# 构建决策树模型设置最大深度为5最小叶子节点数为10clf = DecisionTreeClassifiermax_depth=5 min_samples_leaf=10# 训练模型clffitX_train Y_train# 在测试集上评估模型性能score = clfscoreX_test Y_test怎么预测数据给个例子
假设有一个新的数据样本，其特征值为[5.1, 3.5, 1.4, 0.2]，可以使用训练好的决策树模型进行预测，代码如下：
预测新样本
new_sample = [[5.1, 3.5, 1.4, 0.2]] predicted_class = clf.predict(new_sample)
输出预测结果
print("Predicted class:", predicted_class)
原文地址: http://www.cveoy.top/t/topic/hnQi 著作权归作者所有。请勿转载和采集!