在Scikit-learn中實現決策樹的方法是使用DecisionTreeClassifier類。下面是一個簡單的示例代碼，演示如何在Scikit-learn中實現決策樹：
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)
# 創建決策樹模型
clf = DecisionTreeClassifier()
# 在訓練集上訓練模型
clf.fit(X_train, y_train)
# 在測試集上進行預測
y_pred = clf.predict(X_test)
# 計算準確率
accuracy = accuracy_score(y_test, y_pred)
print("準確率：", accuracy)
在上面的示例中，我們首先加載了一個內置的數據集iris，然后將數據集劃分為訓練集和測試集。接著創建了一個DecisionTreeClassifier對象clf，并在訓練集上訓練模型。最后對測試集進行預測，并計算準確率。
