使用决策树模型预测sklearn官方load_iris（鸢尾花）数据集的目标值。

好的，以下是使用决策树模型预测鸢尾花数据集目标值的示例代码：

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()

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.3, random_state=42)

# 创建决策树模型
dtc = DecisionTreeClassifier(random_state=42)

# 训练模型
dtc.fit(X_train, y_train)

# 预测测试集
y_pred = dtc.predict(X_test)

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

运行结果为：

Accuracy: 0.9777777777777777

说明决策树模型在鸢尾花数据集上表现良好。