鸢尾花分类python实现

鸢尾花分类是一个经典的机器学习问题，可以使用Python中的Scikit-learn库来实现。以下是一个简单的示例代码：

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()
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)

# 使用决策树模型进行训练和预测
clf = DecisionTreeClassifier()
clf.fit(X_train, y_train)
y_pred = clf.predict(X_test)

# 计算精度
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)

这个例子中，首先加载了鸢尾花数据集，然后将数据集分为训练集和测试集。接着使用决策树模型对训练集进行拟合，并对测试集进行预测。最后计算模型的精度并输出结果。