决策树是一种用于分类和回归的机器学习算法。它使用一种树状的模型来做出决策。每个内部节点表示一个特征或属性,每个叶节点表示一个类别或值。从根节点开始,决策树递归地对特征进行测试,直到到达叶节点为止。
以下是一段使用 Python 实现决策树的示例代码:
from sklearn import tree# 准备训练数据
# X 表示输入特征,y 表示输出类别
X = [[0, 0], [1, 1]]
y = [0, 1]
# 创建决策树模型
clf = tree.DecisionTreeClassifier()
# 使用训练数据训练模型
clf = clf.fit(X, y)