乳腺癌数据集分析决策树 用代码举例

以下是一个使用决策树算法对乳腺癌数据集进行分类的Python代码示例：

from sklearn.datasets import load_breast_cancer
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 加载乳腺癌数据集
data = load_breast_cancer()

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(data.data, data.target, test_size=0.3, random_state=42)

# 初始化决策树分类器
model = DecisionTreeClassifier()

# 训练模型
model.fit(X_train, y_train)

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

# 计算模型在测试集上的准确率
accuracy = accuracy_score(y_test, y_pred)

print("模型在测试集上的准确率为：", accuracy)

这段代码使用了`sklearn`库中的`load_breast_cancer`函数加载乳腺癌数据集，并使用`train_test_split`函数将数据集划分为训练集和测试集。然后使用`DecisionTreeClassifier`类初始化决策树分类器，并使用训练集对模型进行训练。最后，在测试集上进行预测并计算模型在测试集上的准确率。