cart决策树python实现

以下是使用 Python 实现 CART 决策树的代码：

from sklearn.tree import DecisionTreeClassifier
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split

# 加载数据集
iris = load_iris()

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.3)

# 创建CART决策树模型
clf = DecisionTreeClassifier()

# 训练模型
clf.fit(X_train, y_train)

# 预测结果
y_pred = clf.predict(X_test)

# 输出准确率
print("Accuracy:", clf.score(X_test, y_test))

上述代码使用了 scikit-learn 库中的 `DecisionTreeClassifier` 类来实现 CART 决策树，同时使用了鸢尾花数据集作为样本进行训练和预测。首先通过 `train_test_split` 函数将数据集划分为训练集和测试集，然后创建一个 `DecisionTreeClassifier` 对象 `clf`，并使用训练集数据进行训练。最后，使用 `clf.predict` 函数对测试集进行预测，同时使用 `clf.score` 函数输出模型的准确率。