根据现实生活中的原型自己创建一个简单的决策树，要求用这个决策树能解决实际分类决策问题 用Python写代码

为了说明决策树的基本思想，我们以一个简单的例子来说明如何使用决策树分类。

考虑一个医学诊断问题：根据患者的症状来判断是否患有“感冒”。在这个例子中，我们需要考虑以下因素：体温高或低、喉咙疼或不疼、鼻涕多或少等。

我们可以使用决策树来解决这个问题。以下是决策树的代码：

# 决策树代码
def decision_tree(temperature, sore_throat, runny_nose):
    if temperature == 'high':
        if sore_throat == 'yes':
            return 'flu'
        else:
            if runny_nose == 'yes':
                return 'cold'
            else:
                return 'healthy'
    else:
        if sore_throat == 'yes':
            return 'cold'
        else:
            return 'healthy'

在这个决策树中，我们先检查体温。如果体温高，则检查喉咙是否疼痛；如果喉咙疼痛，则判断为“流感”（flu）；否则，如果有流鼻涕，则判断为“感冒”（cold）；否则，判断为“健康”（healthy）。

如果体温不高，则检查喉咙是否疼痛；如果喉咙疼痛，则判断为“感冒”（cold）；否则，判断为“健康”（healthy）。

我们可以使用以下代码来测试决策树：

# 测试代码
print(decision_tree('high', 'yes', 'no')) # 输出 "flu"
print(decision_tree('high', 'no', 'yes')) # 输出 "cold"
print(decision_tree('low', 'yes', 'no')) # 输出 "cold"
print(decision_tree('low', 'no', 'no')) # 输出 "healthy"

在这个例子中，我们使用了简单的 if-else 语句来实现决策树。实际上，决策树可以更复杂，可以包含更多的分支和条件。我们可以使用机器学习算法来构建更复杂的决策树，并使用它们来解决更复杂的分类问题。