python 决策树算法实例

以下是使用Python中的scikit-learn库实现决策树算法的一个简单实例：

首先，导入需要的库：

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

加载鸢尾花数据集：

iris = load_iris()
X = iris.data
y = iris.target

划分训练集和测试集：

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

创建决策树分类器：

clf = DecisionTreeClassifier(random_state=42)

训练分类器：

clf.fit(X_train, y_train)

使用分类器进行预测：

y_pred = clf.predict(X_test)

评估分类器的性能：

acc = accuracy_score(y_test, y_pred)
print("Accuracy:", acc)

完整代码如下：

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

# 加载鸢尾花数据集
iris = load_iris()
X = iris.data
y = iris.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 创建决策树分类器
clf = DecisionTreeClassifier(random_state=42)

# 训练分类器
clf.fit(X_train, y_train)

# 使用分类器进行预测
y_pred = clf.predict(X_test)

# 评估分类器的性能
acc = accuracy_score(y_test, y_pred)
print("Accuracy:", acc)

输出结果：

Accuracy: 1.0

以上是使用Python中的scikit-learn库实现决策树算法的一个简单实例。