sklearn decisiontreeclassifier例子

下面是使用sklearn的决策树分类器（DecisionTreeClassifier）的一个简单例子：

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()
X, y = iris.data, iris.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
clf = DecisionTreeClassifier()

# 在训练集上拟合决策树模型
clf.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = clf.predict(X_test)

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

在上面的代码中，我们首先加载了鸢尾花数据集，然后将数据集分为训练集和测试集。接着，我们创建了一个决策树分类器，并在训练集上拟合了模型。最后，我们在测试集上进行了预测，并计算了准确率。