使用决策树训练IRIS训练集
时间: 2023-05-24 17:00:59 浏览: 55
可以使用 scikit-learn 库来实现决策树训练 IRIS 训练集的任务。可以按照以下步骤操作:
1.导入库:
```
from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
```
2.加载 IRIS 训练集数据:
```
iris = load_iris()
X = iris.data
y = iris.target
```
3.拆分数据集并训练模型:
```
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)
dtc = DecisionTreeClassifier()
dtc.fit(X_train, y_train)
```
4.使用测试集进行预测并计算准确率:
```
y_pred = dtc.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)
```
其中,test_size 表示拆分训练集和测试集的比例,random_state 表示随机种子,用于保证每次运行的结果一致。
希望这个回答能够帮到你!