决策树模型多分类代码
时间: 2023-11-09 19:18:37 浏览: 30
以下是一个简单的决策树模型多分类的 Python 代码示例:
```python
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
# 加载数据集
iris = load_iris()
X = iris.data
y = iris.target
# 划分数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 定义决策树分类器
clf = DecisionTreeClassifier()
# 训练模型
clf.fit(X_train, y_train)
# 预测测试集
y_pred = clf.predict(X_test)
# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)
```
在这个例子中,我们使用 Scikit-learn 中的 `load_iris` 数据集来训练一个决策树分类器。我们将数据集分成训练集和测试集,然后使用 `DecisionTreeClassifier` 类来定义分类器。最后,我们使用 `fit` 方法来训练模型,并使用 `predict` 方法来预测测试集。最后,我们计算准确率并输出。