机器学习cart分类算法使用iris数据集写代码

Cart（Classification and Regression Trees）分类算法，也称为CART算法，是一种决策树的实现，用于解决分类问题。在Python的Scikit-Learn库中，有现成的`DecisionTreeClassifier`函数可以直接使用Iris数据集。以下是使用Iris数据集训练并测试CART分类器的一个简单示例：

# 导入所需的库
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Iris数据集
iris = load_iris()
X = iris.data
y = iris.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 创建CART分类器
clf = DecisionTreeClassifier()

# 使用训练数据拟合模型
clf.fit(X_train, y_train)

# 预测测试集结果
y_pred = clf.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print(f"Accuracy: {accuracy}")

# 可视化决策树（这里略去）
# tree.export_graphviz(clf, out_file="tree.dot", feature_names=iris.feature_names, class_names=iris.target_names, filled=True, rounded=True)

这段代码首先加载了Iris数据集，然后划分成了训练集和测试集。接着，创建了一个`DecisionTreeClassifier`对象并训练它，最后用测试集评估模型性能。