wine_data=data.iloc[:-5,:] wine_target=data.iloc[-5:,:] In [32]: from sklearn.tree import DecisionTreeClassifier from sklearn.model_selection import train_test_split from sklearn.linear_model import LogisticRegression from sklearn.model_selection import train_test_split x=wine_data.iloc[:,1:].values y=wine_data.iloc[:,0].values x_train,x_test,y_train,y_test=train_test_split(x,y,test_size=0.3,random_state=42) #建立模型 dtc=DecisionTreeClassifier(criterion='entropy')#基于熵评价纯度 dtc.fit(x_train,y_train)#拟合数据 y_pre=dtc.predict(x_test) y_pre

是使用决策树分类器对数据进行建模并进行预测。其中，wine_data和wine_target是进行模型训练和测试的数据集，x_train、x_test、y_train、y_test是将数据集划分为训练集和测试集，DecisionTreeClassifier是使用决策树分类器进行分类，LogisticRegression是使用逻辑回归进行分类（但在代码中并未使用），y_pre是使用模型对测试集进行预测得到的结果。