决策树处理5分类问题案例代码

以下是一个使用决策树处理5分类问题的案例代码：

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()

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

# 创建决策树分类器
clf = DecisionTreeClassifier(max_depth=5)

# 训练分类器
clf.fit(X_train, y_train)

# 预测测试数据集
y_pred = clf.predict(X_test)

# 计算模型准确率
accuracy = accuracy_score(y_test, y_pred)
print("模型准确率：", accuracy)

在这个案例中，我们同样使用sklearn库的决策树分类器来处理一个5分类问题。我们依然加载鸢尾花数据集，然后将数据集分为训练集和测试集。接下来，我们创建一个决策树分类器并使用训练数据集训练它。需要注意的是，我们为决策树设置了最大深度为5，这是为了防止过拟合。最后，我们使用测试数据集测试模型，并计算模型的准确率。