Python 是一種很流行的編程語(yǔ)言，適合各種數(shù)據(jù)處理任務(wù)。其中，數(shù)據(jù)集分類是數(shù)據(jù)處理任務(wù)中的一個(gè)重要子任務(wù)。使用 Python 可以方便地進(jìn)行數(shù)據(jù)集分類，這篇文章將演示一個(gè)簡(jiǎn)單的數(shù)據(jù)集分類程序。

# 導(dǎo)入所需的庫(kù)
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score
# 讀取數(shù)據(jù)集
data = pd.read_csv("dataset.csv")
# 分割訓(xùn)練集和測(cè)試集
train_data, test_data, train_label, test_label = train_test_split(data.iloc[:,:-1],data.iloc[:,-1],test_size=0.2,random_state=0)
# 構(gòu)建分類器
clf = DecisionTreeClassifier()
# 訓(xùn)練分類器
clf.fit(train_data, train_label)
# 預(yù)測(cè)測(cè)試集的類別
pred = clf.predict(test_data)
# 計(jì)算準(zhǔn)確率
accuracy = accuracy_score(test_label, pred)
# 輸出準(zhǔn)確率
print("Accuracy:", round(accuracy*100,2), "%")

在這個(gè)程序中，我們首先導(dǎo)入所需的庫(kù)。然后讀取數(shù)據(jù)集，使用 train_test_split 分割成訓(xùn)練集和測(cè)試集。接著，構(gòu)建一個(gè)決策樹分類器，并使用 train_data 和 train_label 訓(xùn)練分類器。最后，使用測(cè)試集 test_data 進(jìn)行預(yù)測(cè)，并計(jì)算準(zhǔn)確率。

這只是一個(gè)簡(jiǎn)單的示例程序，真正的數(shù)據(jù)處理任務(wù)中可能需要更復(fù)雜的分類器和更復(fù)雜的數(shù)據(jù)處理方式。然而，使用 Python 進(jìn)行數(shù)據(jù)集分類可以方便地應(yīng)對(duì)各種數(shù)據(jù)處理任務(wù)。