西瓜数据集决策树代码

西瓜数据集（Iris dataset），也叫鸢尾花数据集，是一个经典的机器学习数据集，常用于分类算法的学习和演示。决策树是一种常用的监督学习模型，它可以将数据分成不同的类别，就像根据一系列规则对西瓜进行判断一样。

在Python的Scikit-learn库中，你可以使用`DecisionTreeClassifier`类来构建决策树模型。以下是一个简单的例子，展示了如何使用这个数据集训练并预测：

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
import pandas as pd

# 加载数据
iris = 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=0.2, random_state=42)

# 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
predictions = clf.predict(X_test)

# 打印预测结果
print(predictions)

在这个例子中，我们首先加载了数据，然后划分了一部分数据作为训练集，另一部分作为测试集。接着创建了一个决策树分类器，并用训练数据对其进行训练。最后，我们用测试集的数据进行预测，并打印出预测的结果。