决策树算法Python实现

决策树算法的Python实现可以使用scikit-learn库中的DecisionTreeClassifier类来实现。以下是一个简单的示例代码:

from sklearn import tree
# 创建特征矩阵
X = [[0, 0], [1, 1]]
# 创建目标向量
Y = [0, 1]
# 创建决策树分类器
clf = tree.DecisionTreeClassifier()
# 使用训练数据拟合分类器模型
clf = clf.fit(X, Y)
# 使用训练好的模型进行预测
prediction = clf.predict([[2., 2.]])

在上述代码中，我们首先导入了scikit-learn库中的tree模块，并使用DecisionTreeClassifier类创建了一个决策树分类器。然后，我们使用fit()函数将训练数据X和目标向量Y传递给分类器来训练模型。最后，我们使用predict()函数对新的数据进行预测。