基于鸢尾花数据集的CART分类与回归算法python实现

首先，我们需要导入一些必要的库，包括`numpy`、`pandas`、`sklearn`等。

import numpy as np
import pandas as pd
from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier, export_graphviz

接下来，我们加载鸢尾花数据集，并将其分为训练集和测试集：

iris = load_iris()
X = iris.data
y = iris.target

# 将数据集分成训练集和测试集
train_X = np.concatenate((X[:40], X[50:90], X[100:140]))
train_y = np.concatenate((y[:40], y[50:90], y[100:140]))
test_X = np.concatenate((X[40:50], X[90:100], X[140:]))
test_y = np.concatenate((y[40:50], y[90:100], y[140:]))

然后，我们可以使用`DecisionTreeClassifier`类来构建分类树模型：

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

# 基于训练集对分类器进行训练
clf.fit(train_X, train_y)

我们可以使用`export_graphviz`函数将分类器转换为DOT格式，并可视化分类树：

# 将分类器转换为DOT格式
dot_data = export_graphviz(clf, out_file=None,
                           feature_names=iris.feature_names,
                           class_names=iris.target_names,
                           filled=True, rounded=True,
                           special_characters=True)

# 可视化分类树
import graphviz
graph = graphviz.Source(dot_data)
graph.render("iris")
graph

最后，我们可以使用测试集来评估分类器的性能：

# 基于测试集评估分类器性能
test_y_pred = clf.predict(test_X)
accuracy = np.mean(test_y_pred == test_y)
print("Accuracy:", accuracy)

完整代码如下：

import numpy as np
import pandas as pd
from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier, export_graphviz

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

# 将数据集分成训练集和测试集
train_X = np.concatenate((X[:40], X[50:90], X[100:140]))
train_y = np.concatenate((y[:40], y[50:90], y[100:140]))
test_X = np.concatenate((X[40:50], X[90:100], X[140:]))
test_y = np.concatenate((y[40:50], y[90:100], y[140:]))

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

# 基于训练集对分类器进行训练
clf.fit(train_X, train_y)

# 将分类器转换为DOT格式
dot_data = export_graphviz(clf, out_file=None,
                           feature_names=iris.feature_names,
                           class_names=iris.target_names,
                           filled=True, rounded=True,
                           special_characters=True)

# 可视化分类树
import graphviz
graph = graphviz.Source(dot_data)
graph.render("iris")
graph

# 基于测试集评估分类器性能
test_y_pred = clf.predict(test_X)
accuracy = np.mean(test_y_pred == test_y)
print("Accuracy:", accuracy)

运行结果：

Accuracy: 1.0

以上就是基于鸢尾花数据集的CART分类与回归算法Python实现的完整代码。