针对iris数据集，如何应用sklearn的决策树算法进行类别预测

针对iris数据集，可以通过以下步骤应用sklearn的决策树算法进行类别预测：

1.加载数据集：使用sklearn的datasets.load_iris()函数加载iris数据集。

2.划分数据集：使用sklearn的model_selection.train_test_split()函数将数据集划分为训练集和测试集。

3.构建决策树模型：使用sklearn的tree.DecisionTreeClassifier()函数构建决策树模型，并传入训练集数据和标签。

4.模型训练：使用模型的fit()方法对决策树模型进行训练。

5.模型预测：使用模型的predict()方法对测试集进行预测并得到预测结果。

以下是样例代码：

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

# 加载 iris 数据集
iris = load_iris()

# 划分数据集
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.3)

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

# 模型训练
clf.fit(X_train, y_train)

# 模型预测
y_pred = clf.predict(X_test)

# 输出结果
print(y_pred)

输出结果为预测出的类别。