决策树模型 python实现

以下是一个简单的决策树模型的 Python 实现：

from sklearn import tree

# 特征值
features = [[140, 1], [130, 1], [150, 0], [170, 0]]
# 标签
labels = [0, 0, 1, 1]

# 创建决策树分类器
clf = tree.DecisionTreeClassifier()
# 用特征值和标签来训练分类器
clf.fit(features, labels)

# 使用分类器进行预测
print(clf.predict([[160, 0]]))

该模型使用了两个特征值：水果的重量和外观（1 代表光滑，0 代表粗糙）。根据这些特征值，模型可以预测水果是苹果还是橙子。在上面的代码中，我们使用 `DecisionTreeClassifier` 类来创建一个决策树分类器，并使用 `fit` 方法来训练该分类器。最后，我们使用 `predict` 方法来预测一组新的特征值所对应的标签。