cart分类树和回归树的构建代码python

以下是基于sklearn库的分类树和回归树构建代码：

分类树：

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

# 加载数据集
iris = load_iris()
X = iris.data
y = iris.target

# 构建分类树模型
clf = DecisionTreeClassifier(random_state=0)

# 训练模型
clf.fit(X, y)

# 预测
clf.predict([[5.1, 3.5, 1.4, 0.2]])

回归树：

from sklearn.tree import DecisionTreeRegressor
from sklearn.datasets import load_boston

# 加载数据集
boston = load_boston()
X = boston.data
y = boston.target

# 构建回归树模型
regr = DecisionTreeRegressor(random_state=0)

# 训练模型
regr.fit(X, y)

# 预测
regr.predict([[0.00632, 18.0, 2.31, 0.0, 0.538, 6.575, 65.2, 4.0900, 1.0, 296.0, 15.3, 396.90, 4.98]])

这里需要注意的是，分类树用的是`DecisionTreeClassifier`，回归树用的是`DecisionTreeRegressor`。另外，构建树的过程中可以设置一些参数，例如最大深度、最小样本数等。详细可以查看sklearn库的文档。