给我上一个问题的决策树算法代码
时间: 2024-03-10 11:46:27 浏览: 10
好的,以下是使用Python中的scikit-learn库实现对Discount_rate和Distance这两个特征进行分类的决策树算法示例代码:
```python
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
import pandas as pd
# 读取数据集
data = pd.read_csv("your_data_path")
# 定义输入特征和目标变量
X = data[["Discount_rate", "Distance"]]
y = data["label"]
# 拆分数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 训练决策树模型
dtc = DecisionTreeClassifier()
dtc.fit(X_train, y_train)
# 在测试集上评估模型的准确率
y_pred = dtc.predict(X_test)
acc = accuracy_score(y_test, y_pred)
# 输出模型的准确率
print("Accuracy:", acc)
```
在上面的代码中,我们首先使用pandas库中的read_csv()函数读取数据集,并将Discount_rate和Distance作为输入特征,将label作为目标变量。然后,我们使用train_test_split()函数将数据集拆分为训练集和测试集。接着,我们使用DecisionTreeClassifier()函数定义一个决策树分类器,并使用fit()函数在训练集上训练模型。最后,我们使用predict()函数在测试集上进行预测,并使用accuracy_score()函数计算模型在测试集上的准确率。