分类_决策树算法

#导入sklearn的内嵌鸢尾花数据集
from sklearn.datasets import load_iris
#导入决策树分类器，同时导入计算交叉验证值的函数cross_val-score
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import cross_val_score
#使用默认参数，创建一颗基于基尼系数的决策树，并将该决策树分类器赋值给变量clf
clf = DecisionTreeClassifier()
#将鸢尾花数据赋值给变量iris
iris = load_iris()
# 这里我们将决策树分类器做为待评估的模型，iris.data鸢尾花数据做为特征，
# iris.target鸢尾花分类标签做为目标结果，通过设定cv为10，使用10折交叉验
# 证。得到最终的交叉验证得分。
array =cross_val_score(clf, iris.data, iris.target, cv = 10)

print(array)#得到最终的交叉验证得分