决策树python代码wine

决策树是一种常用的数据挖掘算法，用于分类和回归问题。在Python中，我们可以使用sklearn库中的`DecisionTreeClassifier`或`DecisionTreeRegressor`来构建决策树模型，这里以葡萄酒数据集（Wine Dataset）为例，来进行分类任务。

首先，你需要安装必要的库：

pip install pandas sklearn numpy

然后，导入所需的模块并加载数据：

import pandas as pd
from sklearn.datasets import load_wine
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score

# 加载葡萄酒数据
wine_data = load_wine()
X = wine_data.data
y = wine_data.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)

接下来，创建并训练决策树模型：

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

# 训练模型
clf.fit(X_train, y_train)

# 预测
y_pred = clf.predict(X_test)

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

最后，你可以可视化决策树，例如使用`graphviz`库：

from sklearn.tree import export_graphviz
import graphviz

dot_data = export_graphviz(clf, out_file=None, filled=True, rounded=True, special_characters=True)
graph = graphviz.Source(dot_data)
graph.render("wine_tree")