我需要全面的决策树模型代码,包括分训练集、测试集和预测集
时间: 2024-02-15 11:06:02 浏览: 23
以下是一个使用sklearn库的完整决策树模型代码,包括分训练集、测试集和预测集:
```python
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score
# 加载数据
iris = datasets.load_iris()
X = iris.data
y = iris.target
# 分割数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)
# 训练模型
clf = DecisionTreeClassifier()
clf.fit(X_train, y_train)
# 预测并评估模型
y_pred = clf.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print('Accuracy:', accuracy)
# 预测新数据
new_data = [[5.1, 3.5, 1.4, 0.2], [6.3, 3.3, 6.0, 2.5], [4.9, 2.5, 4.5, 1.7]]
new_pred = clf.predict(new_data)
print('New predictions:', new_pred)
```
输出:
```
Accuracy: 0.9555555555555556
New predictions: [0 2 1]
```
这个示例使用了鸢尾花数据集,将数据集分割为训练集和测试集,训练决策树模型,使用测试集评估模型准确率,最后使用新数据预测其分类。