CART决策树分类模型python

CART（Classification and Regression Trees）决策树是一种常用的分类和回归算法。在sklearn中，可以使用DecisionTreeClassifier类来构建CART决策树分类模型。

以下是一个使用CART决策树分类模型的Python示例代码：

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

# 加载数据集
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)

# 构建决策树分类模型
model = DecisionTreeClassifier()
model.fit(X_train, y_train)

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

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

这段代码首先导入了需要的库，然后加载了一个经典的鸢尾花数据集（load_iris）。接下来，将数据集划分为训练集和测试集（train_test_split），然后使用DecisionTreeClassifier类构建了一个决策树分类模型（model.fit）。最后，在测试集上进行预测（model.predict）并计算准确率（accuracy_score）。