决策树代码python

以下是一个简单的决策树代码示例：

import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 导入数据
data = pd.read_csv("data.csv")

# 分割特征和标签
X = data.drop("label", axis=1)
y = data["label"]

# 分割训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

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

# 训练分类器
clf.fit(X_train, y_train)

# 预测测试集标签
y_pred = clf.predict(X_test)

# 计算准确率
acc = accuracy_score(y_test, y_pred)

print("Accuracy:", acc)

这个代码示例导入了 pandas、scikit-learn 的 DecisionTreeClassifier、train_test_split 和 accuracy_score。它从 CSV 文件中读取数据，分割特征和标签，然后将训练集和测试集分开。接着，它创建了一个决策树分类器并将其用于训练数据。最后，它使用测试集数据进行预测，并计算准确率