决策树模型代码PPT

以下是一个简单的决策树模型的代码示例，使用Python的scikit-learn库：导入所需的库from sklearn.model_selection ...

以下是一个简单的决策树模型的代码示例，使用Python的scikit-learn库：导入所需的库from sklearn.model_selection import train_test_splitfrom sklearn.datasets import load_irisfrom sklearn.tree import DecisionTreeClassifierfrom sklearn.metrics import accuracy_score加载数据集iris = load_iris()X = iris.datay = iris.target划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)创建决策树模型clf = DecisionTreeClassifier()训练模型clf.fit(X_train, y_train)预测测试集结果y_pred = clf.predict(X_test)计算预测准确率accuracy = accuracy_score(y_test, y_pred)print(f"模型的准确率为 {accuracy:.2f}")上面的代码首先导入了所需的库和模块，然后加载了Iris数据集，并将其划分为训练集和测试集。接下来，创建了一个决策树分类器，并使用训练数据拟合模型。最后，使用测试集进行预测，并计算预测的准确率。这是一个简单的决策树模型的代码示例，你可以根据自己的数据和需求进行修改和扩展。