cart算法代码python

以下是使用Python实现CART算法的代码示例：

from sklearn.tree import DecisionTreeClassifier
from sklearn.datasets import load_iris

# 加载数据集
iris = load_iris()
X = iris.data[:, [2, 3]]
y = iris.target

# 训练模型
tree = DecisionTreeClassifier(criterion='gini', max_depth=4, random_state=1)
tree.fit(X, y)

# 可视化决策树
from pydotplus import graph_from_dot_data
from sklearn.tree import export_graphviz

dot_data = export_graphviz(tree, filled=True, rounded=True, class_names=['Setosa', 'Versicolor', 'Virginica'],
                           feature_names=['petal length', 'petal width'], out_file=None)
graph = graph_from_dot_data(dot_data)
graph.write_png('tree.png')

上述代码使用了Python的scikit-learn库中的DecisionTreeClassifier类来实现CART算法。首先，我们加载了鸢尾花数据集，并将其分为特征矩阵X和目标向量y。然后，我们使用DecisionTreeClassifier类来训练模型，并指定了基尼指数作为分裂标准，最大深度为4，随机种子为1。最后，我们使用export_graphviz函数将决策树导出为Graphviz格式，并使用graph_from_dot_data函数将其转换为PNG格式。