```
pip install scikit-learn
```
2. Δεδομένα
```
από το sklearn.datasets εισαγωγή load_iris
ίριδα =load_iris()
print(iris.data.shape) # (150, 4)
print(iris.target) # [0 0 0 ... 1 1 1]
```
3. Διαχωρισμός δεδομένων
```
από το sklearn.model_selection εισαγωγή train_test_split
X_train, X_test, y_train, y_test =train_test_split(iris.data, iris.target, test_size=0.25)
```
4. Δημιουργία μοντέλου
```
από το sklearn.tree import DecisionTreeClassifier
clf =DecisionTreeClassifier()
```
5. Εκπαίδευση
```
clf.fit(X_train, y_train)
```
6. Πρόβλεψη
```
y_pred =clf.predict(X_test)
```
7. Ακρίβεια
```
από το sklearn.metrics εισαγωγή accuracy_score
βαθμολογία =accuracy_score (y_test, y_pred)
εκτύπωση(βαθμολογία) # 0,96
```
Πνευματικά δικαιώματα © Γνώση Υπολογιστών Όλα τα δικαιώματα κατοχυρωμένα