python决策树cart算法代码
时间: 2024-11-05 14:12:01 浏览: 87
在Python中,使用sklearn库可以方便地实现CART(Classification and Regression Trees)决策树算法,其中最常见的是ID3、C4.5和CART的衍生版CART(也称为CART回归或CART分类)。以下是一个简单的CART分类器的例子,用于创建一个决策树:
```python
from sklearn.tree import DecisionTreeClassifier
import pandas as pd
# 假设你有一个名为'data.csv'的数据集,包含特征和标签列
data = pd.read_csv('data.csv')
# 定义特征列名和目标列名
features = data.columns[:-1]
target = 'target_column'
# 创建决策树分类器
clf = DecisionTreeClassifier()
# 使用数据拟合模型
clf.fit(data[features], data[target])
# 预测新样本
new_data = [[feature_value_1, feature_value_2, ...]] # 新样本特征值列表
prediction = clf.predict(new_data)
```
这里我们首先导入所需的`DecisionTreeClassifier`,然后加载数据并指定特征和目标列。接着,实例化一个`DecisionTreeClassifier`,训练模型,最后对新的样本进行预测。
如果你想使用回归树而不是分类树,只需将`DecisionTreeClassifier`替换为`DecisionTreeRegressor`即可。
阅读全文
相关推荐

















