帮我写一个机器学习的分类问题案例代码

好的，以下是一个简单的机器学习分类问题案例代码，使用的是 Python 和 Scikit-learn 库：

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

# 加载数据集
iris = load_iris()

# 划分数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.3)

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

# 训练模型
clf.fit(X_train, y_train)

# 预测测试集结果
y_pred = clf.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)

这段代码使用了鸢尾花数据集（iris），将数据集划分为训练集和测试集，使用了决策树分类器进行模型训练，然后预测测试集结果并计算准确率。这是一个非常基础的机器学习分类问题案例，可以作为学习机器学习的入门练习。