在Jupyter Notebook中构建糖尿病预测模型的决策树代码

在Jupyter Notebook中构建糖尿病预测模型的决策树代码可以使用Python的机器学习库scikit-learn来实现。下面是一个简单的示例代码：

# 导入所需的库
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score

# 读取数据集
data = pd.read_csv('diabetes.csv')

# 划分特征和标签
X = data.drop('Outcome', axis=1)
y = data['Outcome']

# 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)

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

# 训练模型
model.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = model.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("准确率:", accuracy)

请注意，上述代码假设你已经有一个名为'diabetes.csv'的数据集，其中包含特征和标签列。你需要将数据集替换为你自己的数据集，并根据实际情况进行调整。