决策树的python代码实现

关于什么是决策树这种可以用百度解决的问题就不在这里贴出来了，这里只讲代码实现。
from sklearn.datasets import load_iris
iris=load_iris()
# print(iris)
# print(len(iris["data"]))#150个数据
from sklearn.model_selection import train_test_split
#把数据分为测试数据和验证数据 test_size=0.2验证数据集占20% 也就是150个数据有30个验证集 random_state=1随机的选择30个数据
train_data,test_data,train_target,test_target=train_test_split(iris.data,iris.target,test_size=0.2,random_state=1)

#2.进行建模
from sklearn import tree
#引入分类器
clf=tree.DecisionTreeClassifier(criterion="entropy")
clf.fit(train_data,train_target)#用训练集进行训练，一般情况下fit就是建立模型，而predict就是进行预测
#进行预测
y_pred=clf.predict(test_data)
print(test_target)
print(y_pred)
import numpy as np
#用求平均数的函数mean来求正确率
print(np.mean(y_pred==test_target))