sklearn决策树简单代码
时间: 2023-10-02 08:10:48 浏览: 78
当然,下面是一个使用scikit-learn库中的决策树算法进行分类的简单代码:
```python
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)
# 初始化决策树模型
model = DecisionTreeClassifier()
# 拟合训练集
model.fit(X_train, y_train)
# 预测测试集
y_pred = model.predict(X_test)
# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print(f"准确率:{accuracy}")
```
以上代码首先加载了一个经典的鸢尾花数据集(iris),然后将数据集划分为训练集和测试集。接下来,创建了一个决策树分类器模型,并使用训练集拟合模型。最后,使用训练好的模型对测试集进行预测,并计算准确率。
这只是一个简单的示例,你可以根据自己的需求进行进一步调整和扩展。