决策树分类模型应用实例及代码
时间: 2024-09-02 08:03:13 浏览: 108
基于matlab 决策树分类器的应用研究-乳腺癌诊断源代码+详细教程
决策树是一种常用的数据挖掘和机器学习算法,特别适用于解决分类问题。它的基本思想是通过构建一棵树状结构,每个内部节点代表一个特征属性测试,每个分支代表这个属性的一个取值,而叶子节点则表示预测结果。下面是一个简单的决策树分类模型应用实例,我们将使用Python的scikit-learn库中的`DecisionTreeClassifier`来创建一个决策树模型,这里以鸢尾花数据集为例:
```python
# 导入所需的库
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score
# 加载鸢尾花数据集
iris = datasets.load_iris()
X = iris.data # 特征
y = iris.target # 类别标签
# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, 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)
print(f"Accuracy: {accuracy}")
#
阅读全文