在python中用决策树判断是否购买电脑代码怎么写

决策树可用于分类问题，可以用于预测某个人是否会购买电脑。以下是一个简单的示例代码：

from sklearn import tree

# 特征数据
# 假设有4个特征： 年龄（1为青年，2为中年，3为老年）、收入（1为低，2为中，3为高）、性别（1为男，2为女）、是否有车（1为有，2为无）
features = [[1, 1, 1, 1], [1, 1, 1, 2], [2, 1, 1, 1], [3, 2, 1, 1], [3, 3, 2, 1], [3, 3, 2, 2], [2, 3, 2, 2], [1, 2, 1, 1], [1, 3, 2, 1], [3, 2, 2, 1]]

# 标签数据
# 1为会购买电脑，0为不会购买电脑
labels = [0, 0, 1, 1, 1, 0, 1, 0, 1, 1]

# 创建决策树分类器
clf = tree.DecisionTreeClassifier()

# 训练模型
clf = clf.fit(features, labels)

# 预测结果
# 假设某人是中年男性，收入高，有车，将电脑特征数据输入模型进行预测
result = clf.predict([[2, 3, 1, 1]])

# 输出结果
if result[0] == 1:
    print("预测结果是：会购买电脑")
else:
    print("预测结果是：不会购买电脑")

此代码中的特征数据和标签数据是手动设置的，实际应用中需要根据具体情况进行数据收集和处理。