写一个简单的决策树模型，预测一个二分类问题，用python代码

决策树是一种基本的机器学习算法，它可以用于解决分类和回归问题。在这里我将为您提供一个简单的决策树模型，用于预测二分类问题。

使用的是Python的Scikit-learn库里的DecisionTreeClassifier类来构建决策树模型

from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split

# 假设你有一个用于分类的数据集，包含了若干个样本，每个样本有n个特征和一个目标值
# X是特征矩阵，y是目标值向量
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 使用决策树算法
clf = DecisionTreeClassifier()
clf.fit(X_train, y_train)

# 预测
y_pred = clf.predict(X_test)

# 评估模型
accuracy = clf.score(X_test, y_test)
print("Accuracy: ", accuracy)

在这段代码中，我们首先使用train_test_split函数将数据集划分为训练集和测试集，然后使用DecisionTreeClassifier类来训练决策树模型。最后使用测试集来评估模型的准确率。

这个示例只是一个最简单的实现，可以根据具体需求来调整决策树的参数或使用其他优化算法.