Python实现决策树（Decision Tree）算法

在 Python 中实现一个决策树算法，可以使用 sklearn 库中的 DecisionTreeClassifier 类。这个类实现了分类任务中的决策树算法。下面是一个简单的例子，展示如何使用 DecisionTreeClassifier 来训练决策树并进行预测。

1. 安装 scikit-learn

如果你还没有安装 scikit-learn，可以使用以下命令来安装它：

pip install scikit-learn

2. 示例代码

下面的代码展示了如何使用决策树算法来进行分类任务：

# 导入必要的库
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score
from sklearn.tree import export_text

# 加载鸢尾花数据集
iris = load_iris()
X = iris.data  # 特征数据
y = iris.target  # 标签数据

# 切分数据集，70%训练，30%测试
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 创建决策树分类器
clf = DecisionTreeClassifier(random_state=42)

# 训练决策树模型
clf.fit(X_train, y_train)

# 在测试集上做预测
y_pred = clf.predict(X_test)

# 打印预测准确度
accuracy = accuracy_score(y_test, y_pred)
print