r语言对鸢尾花数据iris做决策树分类、打印结果，并用rpart.plot（）函数绘制的决策树。

在R语言中，我们可以使用`caret`或`rpart`包来进行决策树分类。以`iris`数据集为例，它是R内置的数据集，包含了鸢尾花的测量值及其物种标签。下面是使用`rpart`包创建决策树并绘制的过程：

首先，确保已安装`rpart`和`rpart.plot`包，如果尚未安装，可以使用以下命令：

install.packages("rpart")
install.packages("rpart.plot")

接下来，加载必要的库：

library(rpart)
library(rpart.plot)

然后，我们将数据集分为训练集和测试集：

data(iris)
set.seed(123)  # 设置随机种子以便于复现结果
trainIndex <- sample(1:nrow(iris), nrow(iris) * 0.7)  # 70%用于训练
trainData <- iris[trainIndex, ]
testData <- iris[-trainIndex, ]

接着，我们使用`rpart()`函数构建决策树模型：

treeModel <- rpart(Species ~ ., data = trainData, method = "class")

这里，`Species`是我们要预测的目标变量，`.`代表所有其他特征。

最后，我们画出决策树：

# 使用rpart.plot()函数绘制
prp(treeModel, type = 3, main = "Iris Decision Tree", sub = "Training Data")

`type = 3`表示生成完整的树，`main`和`sub`分别设置主标题和副标题。

完成以上步骤后，你应该能看到决策树的可视化图以及一些分类信息。你可以通过查看训练集的表现（如混淆矩阵等）来评估模型的性能。