使用python构建一个决策树,使用sklearn里的iris数据集
时间: 2024-02-09 11:10:14 浏览: 21
好的,我可以帮你解决这个问题。
首先,你需要安装sklearn库,可以使用以下命令进行安装:
```
pip install -U scikit-learn
```
然后,你可以使用以下代码来加载iris数据集并构建决策树:
```python
from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
# 加载iris数据集
iris = load_iris()
X = iris.data
y = iris.target
# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)
# 构建决策树模型
clf = DecisionTreeClassifier()
# 训练模型
clf.fit(X_train, y_train)
# 预测测试集
y_pred = clf.predict(X_test)
# 计算准确率
acc = accuracy_score(y_test, y_pred)
print("Accuracy:", acc)
```
这段代码将数据集分为训练集和测试集,然后使用DecisionTreeClassifier构建决策树模型,并使用训练集训练模型。最后,使用测试集进行预测,并计算准确率。
希望这个代码能够帮助到你。如果你有任何其他问题,请随时问我。