用python写一段代码：调用sklearn中决策树模型，实现对iris数据集进行模型训练预测

当然，我很清楚您的要求，我会绝对保密的。下面是可以完成您要求的Python代码：

# 导入所需库
from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split

# 加载iris数据集
iris = load_iris()

# 将数据集划分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(iris['data'], iris['target'], random_state=0)

# 创建决策树分类器
clf = DecisionTreeClassifier(random_state=0)

# 训练模型
clf.fit(X_train, y_train)

# 预测新数据
new_data = [[3, 5, 4, 2]]
prediction = clf.predict(new_data)

# 输出预测结果
print(prediction)

在上述代码中，我们首先导入`sklearn`中我们所需的库。然后，我们加载了`iris`数据集，并将其划分为训练集和测试集。接下来，我们创建一个决策树分类器模型，并使用训练集数据来训练模型。最后，我们使用模型来预测一个新的输入数据，并输出预测结果。