鸢尾花实现决策树python

以下是用Python实现鸢尾花决策树的示例代码：

from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier, export_graphviz
import numpy as np

# 加载鸢尾花数据集
iris = load_iris()
X = iris.data
y = iris.target

# 构建决策树模型
model = DecisionTreeClassifier()
model.fit(X, y)

# 可视化决策树
export_graphviz(model, out_file='iris_tree.dot', 
                feature_names=iris.feature_names, 
                class_names=iris.target_names, 
                rounded=True, filled=True)

# 预测新样本
new_sample = np.array([[5.0, 3.6, 1.3, 0.25]])
prediction = model.predict(new_sample)
print("New sample prediction: ", iris.target_names[prediction[0]])

在这个示例中，我们首先加载了鸢尾花数据集，然后使用`DecisionTreeClassifier`构建了一个决策树模型。我们还使用`export_graphviz`函数将模型可视化为一个.dot文件。

最后，我们使用模型对新样本进行了预测，并输出了预测结果。