Python 进行数据挖掘的算法介绍

1. 决策树

决策树是一种用于分类和回归任务的监督学习算法。它通过树状结构来表示决策过程，每个内部节点表示一个属性上的测试，每个分支代表一个测试结果，每个叶节点代表一种分类结果。

示例代码：

from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 加载数据集
data = load_iris()
X = data.data
y = data.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 创建决策树模型
clf = DecisionTreeClassifier()

# 训练模型
clf.fit(X_train, y_train)

# 预测
y_pred = clf.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print(f'Accuracy: {accuracy:.2f}')

2. 支持向量机 (SVM)

支持向量机是一种用于分类