基于鸢尾花的cart分类回归算法Python代码

以下是基于鸢尾花数据集的 CART 分类回归算法的 Python 代码：
import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 读取数据集
data = pd.read_csv('iris.csv')

# 分离特征和标签
X = data.iloc[:, :-1]
y = data.iloc[:, -1]

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 构建决策树模型
model = DecisionTreeClassifier()

# 训练模型
model.fit(X_train, y_train)

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

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)

print('Accuracy:', accuracy)
登录后复制
这个代码使用了 pandas 库读取 CSV 格式的数据集，使用了 scikit-learn 库中的 DecisionTreeClassifier 类来构建决策树模型，并使用 train_test_split 函数将数据集划分为训练集和测试集。最后，使用 accuracy_score 函数计算预测结果的准确率。