Python 决策树分类器：GridSearchCV 参数优化与评估

这段代码实现了一个决策树分类器，它接收训练集 (trainX, trainY) 和测试集 (testX, testY) 作为输入，使用 GridSearchCV 函数寻找最优参数，并使用最优参数下的决策树分类器对训练数据进行拟合和预测。

第 6 行中 param 定义了一个参数字典，包含了分类器的两种度量标准 ('gini' 和 'entropy')、最大深度和最小样本分裂数等参数。第 7 行中使用 GridSearchCV 函数对参数进行了 5 折交叉验证，寻找最优参数组合。第 9 行输出了最优的分类器参数和最优分数。

第 11 行使用最优参数下的决策树分类器进行训练。第 13 行使用测试集对分类器进行测试并输出分数。

整个函数实现了对决策树分类器的评估和选择最优参数的过程，以及对最优参数下的分类器进行测试的过程。