决策树模型python代码实例

决策树是一种常用的机器学习算法，它通过构建一系列规则来进行分类或回归任务。在Python中，我们可以使用sklearn库中的`DecisionTreeClassifier`或`DecisionTreeRegressor`来创建决策树模型。这里是一个简单的例子，展示如何使用`sklearn`创建一个分类的决策树：

# 导入必要的库
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

# 加载鸢尾花数据集
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()

# 训练模型
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(f"Accuracy: {accuracy}")

# 示例代码展示了基本流程，包括加载数据、划分样本、训练模型、预测以及评估性能。