Python 决策树实现鸢尾花分类：代码详解

以下是使用决策树算法实现鸢尾花分类的 Python 代码：

from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split

# 加载数据集
iris = load_iris()
X = iris.data
y = iris.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 构建决策树模型
clf = DecisionTreeClassifier(max_depth=3)

# 训练模型
clf.fit(X_train, y_train)

# 预测测试集
y_pred = clf.predict(X_test)

# 输出准确率
print('Accuracy:', clf.score(X_test, y_test))

在上述代码中，我们首先加载了鸢尾花数据集，然后使用 train_test_split 方法将数据集划分为训练集和测试集，接着使用 DecisionTreeClassifier 方法构建决策树模型，并使用训练集训练模型。最后，我们使用测试集进行预测，并输出模型的准确率。