决策树python代码

以下是一个简单的决策树Python代码示例：

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

# 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=0.2, random_state=42)

# 创建一个决策树分类器
clf = DecisionTreeClassifier()

# 训练模型
clf.fit(X_train, y_train)

# 预测测试集
y_pred = clf.predict(X_test)

# 输出模型精度
print("Accuracy:", clf.score(X_test, y_test))

在这个示例中，我们使用Scikit-learn库中的DecisionTreeClassifier类来创建决策树分类器，并使用Iris数据集进行训练和测试。我们将数据集划分为训练集和测试集，并使用fit方法来训练模型。最后，我们使用predict方法来预测测试集，并使用score方法来计算模型的精度。