基于决策树实现葡萄酒分类代码

基于决策树实现葡萄酒分类通常涉及以下几个步骤，这里我会给出一个简化的Python示例，使用sklearn库中的`DecisionTreeClassifier`：

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

# 加载葡萄酒数据集（Iris数据集的一个版本）
wine = datasets.load_wine()
X = wine.data   # 特征矩阵
y = wine.target # 类别标签

# 数据预处理，如归一化或编码类别
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
y_pred = clf.predict(X_test)

# 计算预测准确率
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)

# 如果需要，可以查看决策树的可视化结果：
# from sklearn.tree import export_graphviz
# export_graphviz(clf, out_file="wine_tree.dot", feature_names=wine.feature_names, class_names=wine.target_names)

#