决策树判断鸢尾花分类代码

以下是使用决策树判断鸢尾花分类的 Python 代码：

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

# 将数据集拆分成训练集和测试集
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()

# 训练模型
clf.fit(X_train, y_train)

# 预测测试集的分类结果
y_pred = clf.predict(X_test)

# 计算模型的准确率
acc = accuracy_score(y_test, y_pred)
print('Accuracy:', acc)

在这个例子中，我们从 `sklearn.datasets` 模块中加载了鸢尾花数据集，然后使用 `train_test_split` 函数将数据集拆分为训练集和测试集。接下来，我们创建了一个决策树分类器，使用训练集进行训练，然后使用测试集进行预测，最后计算模型的准确率。