tree.decisiontreeclassifier例子

当然，我可以提供一个关于 `DecisionTreeClassifier` 的例子。`DecisionTreeClassifier` 是 scikit-learn 库中的一个类，用于构建决策树模型。

下面是一个简单的例子，展示了如何使用 `DecisionTreeClassifier` 来训练并预测一个简单的分类任务：

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score

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

# 将数据集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)

# 创建决策树分类器对象
clf = DecisionTreeClassifier()

# 使用训练集来训练模型
clf.fit(X_train, y_train)

# 使用训练好的模型对测试集进行预测
y_pred = clf.predict(X_test)

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

在这个例子中，我们首先加载了鸢尾花数据集，并将其分为训练集和测试集。然后，我们创建了一个 `DecisionTreeClassifier` 对象，并使用训练集来训练模型。最后，我们使用训练好的模型对测试集进行预测，并计算预测准确率。

这只是一个简单的示例，你可以根据自己的需求对决策树模型进行更多的参数调整和优化。希望对你有所帮助！