-第四章 决策树python代码实现
时间: 2023-08-27 07:19:56 浏览: 52
当然,下面是一个简单的决策树的 Python 代码实现示例:
```python
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn import metrics
# 加载数据集
iris = datasets.load_iris()
X = iris.data
y = iris.target
# 将数据集拆分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=1)
# 创建决策树分类器
clf = DecisionTreeClassifier()
# 训练模型
clf.fit(X_train, y_train)
# 预测测试集
y_pred = clf.predict(X_test)
# 评估模型
print("准确率:", metrics.accuracy_score(y_test, y_pred))
```
这段代码使用了 scikit-learn 库中的决策树分类器进行建模和预测。首先,我们加载了鸢尾花数据集,然后将其拆分为训练集和测试集。接下来,我们创建了一个决策树分类器并训练模型。最后,我们使用训练好的模型对测试集进行预测,并计算了模型的准确率。
请注意,这只是一个简单的示例,实际的决策树模型可能需要进行更多的参数调整和特征工程来获得更好的性能。