鸢尾花决策树python

好的，我可以为您提供关于鸢尾花数据集的决策树Python代码。请注意，这是一个简单的示例，仅用于演示如何在Python中实现决策树。

首先，您需要安装scikit-learn库。您可以使用以下命令在命令行中安装：

pip install -U scikit-learn

接下来，您可以使用以下代码来加载鸢尾花数据集并拟合决策树模型：

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

# 加载鸢尾花数据集
iris = load_iris()

# 拆分数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.2, random_state=42)

# 构建决策树分类器
clf = DecisionTreeClassifier()

# 拟合模型
clf.fit(X_train, y_train)

# 在测试集上预测
y_pred = clf.predict(X_test)

# 输出模型准确率
print("模型准确率:", clf.score(X_test, y_test))

这段代码将加载鸢尾花数据集，并将其拆分为训练集和测试集。然后，它将创建一个决策树分类器，并将其拟合到训练数据集中。最后，它将在测试集上进行预测，并输出模型在测试集上的准确率。

请注意，这只是一个简单的示例，您可以根据需要进行更改和扩展。如果您需要更多帮助，请告诉我，我会尽力帮助您。