1.导入sklearn.tree库中的DecisionTreeClassifier模块用于构建决策树模型。 2.调用sklearn中的DecisionTreeClassifier算法进行模型构建，参数：采用"熵"作为纯度度量，最大深度为5，随机数字发生器的种子为8，并将模型赋值给变量Dtc。 3.进行模型训练。

使用训练数据调用Dtc的fit()方法进行模型训练，参数为训练数据集和对应的标签数据。示例代码如下：

from sklearn.tree import DecisionTreeClassifier

Dtc = DecisionTreeClassifier(criterion='entropy', max_depth=5, random_state=8)

Dtc.fit(X_train, y_train)

其中，X_train为训练数据集，y_train为对应的标签数据。