Python决策树识别

Python中有许多机器学习库可以用于决策树识别，其中最常用的是scikit-learn库。

以下是一个简单的示例代码，可以使用该库进行决策树分类：

from sklearn import tree

# 训练数据
features = [[140, 1], [130, 1], [150, 0], [170, 0]]  # 特征值，包括重量和是否光滑
labels = [0, 0, 1, 1]  # 对应的标签值，0表示苹果，1表示橘子

# 创建决策树模型
clf = tree.DecisionTreeClassifier()

# 训练模型
clf = clf.fit(features, labels)

# 预测新数据
print(clf.predict([[160, 0]]))  # 预测结果为1，即橘子

在这个示例中，我们使用了一个包含重量和是否光滑特征的简单数据集来训练一个决策树模型，并使用该模型预测一个新的数据点。