基于决策树的鸢尾花图像分类
时间: 2024-03-31 15:28:27 浏览: 27
基于决策树的鸢尾花图像分类是一种常见的机器学习任务。决策树是一种基于树结构的分类算法,通过一系列问题的回答来对数据进行分类。下面是一个基于决策树的鸢尾花图像分类的示例代码:
```python
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score
# 加载鸢尾花数据集
iris = load_iris()
X = iris.data
y = iris.target
# 将数据集划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()
# 在训练集上训练决策树模型
clf.fit(X_train, y_train)
# 在测试集上进行预测
y_pred = clf.predict(X_test)
# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)
```
这段代码首先加载了鸢尾花数据集,然后将数据集划分为训练集和测试集。接下来,创建了一个决策树分类器,并在训练集上训练了该模型。最后,使用测试集进行预测,并计算了预测准确率。