Python源码：决策树最基础用法。

‘’’
性别 身高/cm 胡子（1-有；0-无）
男 178 1
女 155 0
男 177 0
女 165 0
男 169 1
女 160 0
‘’’

import sklearn
from sklearn import tree

1 建立数据模型

（1）训练数据

feature = [[178, 1], [155, 0], [177, 0],
[165, 0], [169, 1], [160, 0]]

（2）对应性别分类

label = [‘man’, ‘woman’, ‘man’, ‘woman’, ‘man’, ‘woman’]

2 创建决策树对象

clf = tree.DecisionTreeClassifier() # 分类决策树的分类决策方法

3 拟合训练数据，得到训练模型参数

clf = clf.fit(feature, label)

4 自动判断性别分类

s1 = clf.predict([[158, 0]])
s2 = clf.predict([[176, 1]])
print('s1: ', s1, ’ ; s2: ', s2) # s1: [‘woman’] ; s2: [‘man’]