本文将介绍如何使用Scikit-learn库来构建决策树模型。决策树是一种常用的机器学习算法，适用于分类和回归任务。

安装Scikit-learn

首先，确保你已经安装了Scikit-learn库。可以使用以下命令进行安装：

pip install scikit-learn

创建数据集

为了演示如何使用决策树，我们将使用Iris数据集，这是一个非常著名的机器学习数据集。你可以通过以下代码加载数据集：

from sklearn.datasets import load_iris

iris = load_iris()
X = iris.data
y = iris.target

构建决策树模型

接下来，我们将使用Scikit-learn的DecisionTreeClassifier来构建决策树模型：

from sklearn.tree import DecisionTreeClassifier

clf = DecisionTreeClassifier()
clf.fit(X, y)

预测

现在，我们可以使用训练好的模型来对新数据进行预测：

new_data = [[5.1, 3.5, 1.4, 0.2]]
prediction = clf.predict(new_data)
print("预测结果：", prediction)

扩展阅读

如果你想要了解更多关于决策树的信息，可以阅读以下教程：


```markdown
<center><img src="https://cloud-image.ullrai.com/q/decision_tree_algorithm/" alt="决策树算法"/></center>