鸢尾花分类决策树代码

鸢尾花分类是一个经典的机器学习示例，常用于教学数据集和初学者入门。决策树是一种监督学习算法，特别是ID3、C4.5（CART）或CART的Python实现如scikit-learn中的`DecisionTreeClassifier`。以下是一个简单的使用scikit-iris数据集训练决策树模型并预测鸢尾花种类的Python代码示例：

# 导入必要的库
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score

# 加载鸢尾花数据集
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)

# 创建决策树分类器
tree_classifier = DecisionTreeClassifier()

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

# 预测测试集
y_pred = tree_classifier.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print(f"Accuracy: {accuracy * 100}%")

# 如果你想查看决策树的结构，可以用export_graphviz函数可视化工整树
# from sklearn.tree import export_graphviz
# export_graphviz(tree_classifier, out_file='iris_tree.dot', feature_names=iris.feature_names, class_names=iris.target_names)

#