决策树python实现

以下是一个简单的决策树Python实现的示例：

import pandas as pd
from sklearn.tree import DecisionTreeClassifier

# 读取数据
data = pd.read_csv('data.csv')

# 准备特征和目标变量
X = data.drop(columns=['target'])
y = data['target']

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

# 训练模型
tree.fit(X, y)

# 预测新的样本
new_sample = [[5.1, 3.5, 1.4, 0.2]]
prediction = tree.predict(new_sample)

print(prediction)

在这个例子中，我们使用Pandas读取了一个包含特征和目标变量的数据集，然后使用Scikit-learn库中的DecisionTreeClassifier创建了一个决策树模型。我们用模型拟合数据，然后使用模型对新的样本进行预测。最后，我们打印出预测结果。