决策树算法python代码简单

以下是一个简单的决策树算法的Python代码示例：

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

# 加载鸢尾花数据集
iris = load_iris()
X = iris.data
y = iris.target

# 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(X, y, test_size=0.2, random_state=42)

# 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
y_pred = clf.predict(X_test)

# 输出预测结果
print("预测结果: ", y_pred)

# 输出模型得分
print("模型得分: ", clf.score(X_test, y_test))

该代码使用Scikit-learn库中的DecisionTreeClassifier类实现决策树算法。它加载鸢尾花数据集，并将其划分为训练集和测试集。然后，它创建一个决策树分类器并使用训练数据拟合该模型。最后，使用测试数据进行预测并输出预测结果和模型得分。