决策树分类算法解决鸢尾花分类代码，输出决策树图像

好的，下面是使用决策树分类算法解决鸢尾花分类，并输出决策树图像的 Python 代码：

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

# 加载鸢尾花数据集
iris = load_iris()

# 划分数据集
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, 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
y_pred = clf.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)

# 打印准确率
print("Accuracy:", accuracy)

# 输出决策树图像
dot_data = export_graphviz(clf, out_file=None, feature_names=iris.feature_names, class_names=iris.target_names, filled=True, rounded=True, special_characters=True)
graph = graphviz.Source(dot_data)
graph.render("iris_decision_tree")

以上代码在训练完模型后，使用 `export_graphviz` 函数将决策树转换为 Graphviz 格式，并将图像保存到文件中。可以使用 `graph.render("iris_decision_tree")` 将图像保存为 PDF 文件，并命名为 `iris_decision_tree.pdf`。