写一段利用决策树进行二分类任务的代码

下面是一个使用决策树模型进行二分类任务的 Python 示例代码。该代码使用 scikit-learn 库中的 DecisionTreeClassifier 类来进行模型训练和预测。

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

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

# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

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

# 训练模型
clf.fit(X_train, y_train)

# 预测测试集结果
y_pred = clf.predict(X_test)

# 输出预测结果和真实结果
print("预测结果：", y_pred)
print("真实结果：", y_test)

在上述代码中，首先加载 Iris 数据集，然后使用 train_test_split() 方法将数据集分为训练集和测试集。接着创建一个 DecisionTreeClassifier 对象 clf，并使用 fit() 方法训练模型。最后使用 predict() 方法对测试集进行预测，输出预测结果和真实结果。