這是一個使用scikit-learn庫中的DecisionTreeClassifier類進行決策樹分類的示例代碼：
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score
# 加載示例數據集
iris = datasets.load_iris()
X = iris.data
y = iris.target
# 將數據集劃分為訓練集和測試集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 創建決策樹分類器對象
clf = DecisionTreeClassifier()
# 使用訓練集訓練決策樹模型
clf.fit(X_train, y_train)
# 使用測試集進行預測
y_pred = clf.predict(X_test)
# 計算模型準確率
accuracy = accuracy_score(y_test, y_pred)
print("準確率:", accuracy)
該代碼首先加載了一個示例數據集（鳶尾花數據集），然后將數據集劃分為訓練集和測試集。接下來，創建了一個DecisionTreeClassifier對象，使用訓練集訓練決策樹模型。最后，使用測試集進行預測，并計算了模型的準確率。
