数据挖掘CART算法python代码实例

CART（Classification and Regression Trees）算法是一种用于分类和回归的决策树算法，它通过构建树状模型来进行预测。Python中可以使用`sklearn`库中的`DecisionTreeClassifier`和`DecisionTreeRegressor`来实现CART算法。以下是使用Python和`sklearn`的一个简单示例：

# 导入所需的库
from sklearn.tree import DecisionTreeClassifier, plot_tree
import pandas as pd
import matplotlib.pyplot as plt

# 假设我们有一个简单的数据集（例如鸢尾花数据集）
iris = pd.read_csv('iris.csv')  # 假设数据已经加载到csv文件中
X = iris.drop('species', axis=1)  # 特征变量
y = iris['species']  # 目标变量

# 创建分类器
clf = DecisionTreeClassifier()

# 训练模型
clf.fit(X, y)

# 模型可视化
plt.figure(figsize=(10, 6))
plot_tree(clf, filled=True)
plt.title("CART分类树")
plt.show()

# 使用模型进行预测
example_data = [[5.1, 3.5, 1.4, 0.2]]  # 示例输入特征
prediction = clf.predict(example_data)
print(f"预测结果: {prediction}")