用决策树对鸢尾花分类

决策树是一种常用的分类算法，可以用于鸢尾花的分类。在Python中，可以使用scikit-learn库来实现决策树分类器。以下是一个简单的示例代码：

from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split

# 加载鸢尾花数据集
iris = load_iris()
X = iris.data
y = iris.target

# 将数据集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=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
y_pred = clf.predict(X_test)

# 输出预测结果
print("预测结果：", y_pred)

在这个示例中，我们首先加载了鸢尾花数据集，然后将数据集分为训练集和测试集。接着，我们创建了一个决策树分类器，并使用训练集对其进行训练。最后，我们使用测试集进行预测，并输出预测结果。

需要注意的是，这只是一个简单的示例代码，实际应用中可能需要对数据进行预处理、调整模型参数等操作，以获得更好的分类效果。