决策树python代码鸢尾花

当然！下面是一个使用决策树算法对鸢尾花数据集进行分类的Python代码示例：

# 导入所需的库
from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

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

# 将数据集划分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建决策树模型
clf = DecisionTreeClassifier()

# 训练模型
clf.fit(X_train, y_train)

# 预测测试集的标签
y_pred = clf.predict(X_test)

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

这段代码使用了`sklearn`库中的`DecisionTreeClassifier`类来创建一个决策树分类器模型，然后通过`fit`方法将模型与训练数据进行拟合，再使用`predict`方法对测试数据进行预测，最后使用`accuracy_score`函数计算预测结果的准确率。

希望对你有所帮助！如果有任何问题，请随时向我提问。