决策树算法python实例

以下是一个决策树算法的Python实例：

# 导入需要的库和模块
from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
from sklearn.tree import export_graphviz
import graphviz

# 加载数据集
iris = load_iris()
X = iris.data[:, 2:] # 取后两个特征
y = iris.target

# 创建决策树分类器
tree_clf = DecisionTreeClassifier(max_depth=2)
tree_clf.fit(X, y)

# 可视化决策树
dot_data = export_graphviz(
        tree_clf,
        out_file=None,
        feature_names=iris.feature_names[2:],
        class_names=iris.target_names,
        rounded=True,
        filled=True
    )
graph = graphviz.Source(dot_data)
graph.render("iris_decision_tree") # 保存决策树图像

该实例使用鸢尾花数据集，创建了一个最大深度为2的决策树分类器，并将其可视化输出为图像文件。你可以根据自己的需求修改数据集和决策树分类器的参数。

--相关问题--:
1. 决策树算法有哪些应用场景？
2. 如何评估决策树分类器的性能？
3. 除了sklearn，