决策树对鸢尾花单个特征进行分类代码

决策树是一种常用的机器学习算法，用于分类和回归问题。对于鸢尾花数据集这样的分类问题，我们可以使用Python的scikit-learn库来构建一个决策树模型。这里是一个简单的示例，展示如何针对单个特征（例如花瓣长度）对鸢尾花进行分类：

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
import matplotlib.pyplot as plt

# 加载鸢尾花数据集
iris = load_iris()
X = iris.data[:, 2]  # 取花瓣长度作为单一特征
y = iris.target

# 划分训练集和测试集
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()

# 使用训练数据拟合模型
clf.fit(X_train, y_train)

# 预测测试集
predictions = clf.predict(X_test)

# 绘制决策树
plt.figure(figsize=(15, 10))
tree.plot_tree(clf, filled=True, class_names=iris.target_names)
plt.show()

# 查看分类性能
print("Accuracy:", clf.score(X_test, y_test))