python决策树的代码示例
时间: 2023-10-15 13:07:52 浏览: 42
当然,下面是一个简单的Python决策树的代码示例:
```python
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
# 加载数据集
iris = load_iris()
X = iris.data
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()
# 拟合训练集
clf.fit(X_train, y_train)
# 预测测试集
y_pred = clf.predict(X_test)
# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("准确率: {:.2f}".format(accuracy))
```
这段代码使用了scikit-learn库中的`DecisionTreeClassifier`类来构建决策树分类器。首先,我们加载了鸢尾花数据集,然后将数据集划分为训练集和测试集。接下来,我们创建一个决策树分类器对象,并使用训练集来拟合模型。最后,我们使用训练好的模型对测试集进行预测,并计算预测准确率。
请注意,这只是一个简单的决策树示例,实际上决策树还有很多参数和选项可以调整以优化模型的性能。