决策树pythond代码

以下是一个简单的决策树Python代码示例：

# 导入所需的库
import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 读取数据集
data = pd.read_csv('data.csv')

# 将数据集分为特征和目标变量
X = data.drop(columns=['target'])
y = data['target']

# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建决策树分类器
clf = DecisionTreeClassifier()

# 训练决策树分类器
clf.fit(X_train, y_train)

# 预测测试集
y_pred = clf.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)

# 打印准确率
print('Accuracy:', accuracy)

在上面的示例中，我们使用`pandas`库读取数据集，并将数据集分为特征和目标变量。然后，我们使用`train_test_split`函数将数据集分为训练集和测试集。接下来，我们使用`DecisionTreeClassifier`类创建决策树分类器，并使用训练集对其进行训练。最后，我们使用测试集进行预测，并计算准确率。