sklearn综合示例2：决策树

scikit-learn 是适用于数据处理和机器学习处理非常强大的库。提供数据降维、回归、聚类、分类等功能，是机器学习从业者的必备库之一。

示例一

案例：鸢尾属植物数据集（iris）分类。
鸢尾属植物数据集一共有 4 个特征，target 值有 3 类，每一类都有 50 个样本。
四维数据集为了在二维平面内展示方便，只选取其中两个维度。

如下所示，绘制出一对特征的数据分布矩阵图，点的颜色表示分类值。
矩阵图主对角线，两幅子图分表表示特征 sepallength、petallength 取值的概率分布图。
绘制下图的代码：

    from sklearn.datasets import load_iris
    import matplotlib.pyplot as plt
    import seaborn as sns

    sns.set(style="ticks")

    df = sns.load_dataset("iris")
    df02 = df.iloc[:,[0,2,4]] # 选择一对特征
    print(df02)
    sns.pairplot(df02, hue="species")
    plt.show()

     sepal_length  petal_length    species
0             5.1           1.4     setosa
1             4.9           1.4     setosa
2             4.7           1.3     setosa
3             4.6           1.5     setosa
4             5.0