python决策树分类器代码

下面是一个简单的 Python 决策树分类器代码示例：

from sklearn import datasets
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 加载数据集
iris = datasets.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)

# 初始化决策树分类器
clf = DecisionTreeClassifier()

# 训练模型
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)
print("Accuracy:", accuracy)

在这个示例中，我们使用了 Scikit-learn 库来加载鸢尾花数据集。然后，我们将数据集分成训练集和测试集。接下来，我们初始化一个决策树分类器并将其拟合到训练集上。最后，我们使用测试集来预测分类，并计算模型的准确率。