Sklearn构建决策树模型

使用Scikit-learn（sklearn）构建决策树模型的步骤如下：

1. 导入需要的库和数据集

```python
from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split

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

2. 划分训练集和测试集

```python
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)
```

3. 构建决策树模型

```python
clf = DecisionTreeClassifier()
clf.fit(X_train, y_train)
```

4. 预测测试集结果

```python
y_pred = clf.predict(X_test)
```

5. 评估模型性能

```python
from sklearn.metrics import accuracy_score

accuracy_score(y_test, y_pred)
```

以上就是使用Scikit-learn构建决策树模型的基本步骤。需要注意的是，决策树模型的参数调整和特征选择也是非常重要的，可以通过交叉验证等方法进行优化。