鸢尾花数据集决策树代码
时间: 2024-09-23 17:12:40 浏览: 4
鸢尾花数据集(Iris dataset)是一个经典的机器学习数据集,它包含150个样本,每个样本有4个特征(花瓣长度、花瓣宽度、萼片长度和萼片宽度),属于三种不同的鸢尾花品种:Setosa、Versicolour和Virginica。如果你想在Python中使用决策树算法(如sklearn库的`DecisionTreeClassifier`)对这个数据集进行分类,可以按照以下步骤编写代码:
```python
# 导入所需的库
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score
# 加载鸢尾花数据集
iris = load_iris()
X = iris.data # 特征数据
y = iris.target # 类别标签
# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 创建决策树分类器
clf = DecisionTreeClassifier()
# 使用训练数据拟合模型
clf.fit(X_train, y_train)
# 预测测试集
y_pred = clf.predict(X_test)
# 计算预测准确率
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)
# 如果需要,你可以可视化决策树
# from sklearn.tree import plot_tree
# plot_tree(clf, filled=True) # 这里需要matplotlib库支持
```