决策树分类算法python案列

决策树分类算法是一种常用的机器学习算，它通过构建一棵树来进行分类任务。下面是一个使用Python实现决策树分类算法的案例：

# 导入所需的库
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score

# 加载数据集
iris = load_iris()
X = iris.data
y = iris.target

# 划分训练和测试集
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()

# 在训练集上训练模型
clf.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = clf.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("准确率：", accuracy)

这个案例使用了sklearn库中的`DecisionTreeClassifier`类来构建决策树分类器，并使用鸢尾花数据集进行训练和测试。首先，我们加载数据集，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，并在训练集上训练模型。最后，我们使用测试集进行预测，并计算准确率。