Python是一個十分流行的編程語言，它的應用范圍十分廣泛。其中，使用Python進行機器學習和數據處理是其最流行的應用之一。其中，分類是機器學習中的一個重要任務，我們可以用Python編寫代碼來實現分類模型的構建和訓練。

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
# 加載數據集
data = pd.read_csv("data.csv")
X = data.iloc[:, :-1]
y = data.iloc[:, -1]
# 劃分訓練集和測試集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 定義決策樹分類器
classifier = DecisionTreeClassifier()
# 擬合訓練集
classifier.fit(X_train, y_train)
# 預測測試集的分類結果
y_pred = classifier.predict(X_test)
# 輸出模型的準確率
accuracy = np.mean(y_pred == y_test) * 100
print("分類模型的準確率為：", accuracy)

以上代碼實現了一個基于決策樹的分類模型。其中，我們使用pandas庫加載了數據集，使用train_test_split函數將數據集劃分為訓練集和測試集。然后，我們構建了一個DecisionTreeClassifier分類器，并且對訓練集進行了擬合。最后，我們使用該分類器對測試集進行了分類，并且輸出了分類模型的準確率。