写一个Python决策树代码

以下是一个简单的Python决策树代码示例：

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

# 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, random_state=42)

# 创建决策树模型
clf = DecisionTreeClassifier(random_state=42)

# 训练模型
clf.fit(X_train, y_train)

# 在测试集上进行预测并计算准确率
y_pred = clf.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)

print("决策树模型的准确率为：", accuracy)

在这个示例中，首先我们使用`load_iris()`函数加载了鸢尾花数据集，然后使用`train_test_split()`函数将数据集划分为训练集和测试集。接着我们使用`DecisionTreeClassifier`类创建了一个决策树模型，使用`fit()`方法在训练集上训练模型。最后在测试集上使用`predict()`方法进行预测，并使用`accuracy_score()`函数计算模型的准确率。