iris 鸢尾花数据集 xlsx决策树

您可以使用 pandas 库中的 read_excel() 方法读取 xlsx 文件，使用 scikit-learn 库中的 DecisionTreeClassifier() 方法构建决策树模型，然后使用 train_test_split() 方法将数据集分为训练集和测试集，最后使用 fit() 方法拟合模型并使用 predict() 方法进行预测。

以下是示例代码：

import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split

# 读取数据集
data = pd.read_excel('iris.xlsx')

# 将数据集分为特征和标签
X = data.iloc[:, :-1]
y = data.iloc[:, -1]

# 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)

# 构建决策树模型
clf = DecisionTreeClassifier()

# 拟合模型
clf.fit(X_train, y_train)

# 预测测试集
y_pred = clf.predict(X_test)

# 输出准确率
print('Accuracy:', clf.score(X_test, y_test))