决策树算法python实现

决策树是一种分类算法，可以用于构建分类模型。在Python中，可以使用scikit-learn库来实现决策树算法。以下是一个简单的决策树算法实现示例：

from sklearn import tree

# 准备数据
X = [[0, 0], [1, 1]]
Y = [0, 1]

# 训练模型
clf = tree.DecisionTreeClassifier()
clf = clf.fit(X, Y)

# 预测
print(clf.predict([[2., 2.]]))

上述代码中，我们首先准备了数据集X和对应的标签Y，然后使用`DecisionTreeClassifier()`函数创建了一个决策树分类器模型`clf`，并使用`fit()`方法对模型进行训练。最后，我们使用`predict()`方法对新的数据进行预测，并输出了预测结果。

注意：在实际应用中，我们需要使用更复杂的数据集和特征工程方法来训练更准确的模型。