使用Python中的sklearn包实现决策树算法的步骤如下：
1.导入所需模块
from sklearn.tree import DecisionTreeClassifier # 导入决策树分类器
from sklearn.tree import export_graphviz # 导入可视化模块
from sklearn.datasets import load_iris # 导入数据集
from sklearn.model_selection import train_test_split # 导入数据集划分工具
2.加载数据集并将其拆分为训练集和测试集
iris = load_iris()
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.3)
3.创建决策树分类器
tree_clf = DecisionTreeClassifier()
4.拟合模型（使用训练数据对模型进行训练）
tree_clf.fit(X_train, y_train)
5.用测试数据评估模型的性能
score = tree_clf.score(X_test, y_test)
print('Accuracy:', score)
6.可视化决策树
export_graphviz(tree_clf,out_file='tree.dot',feature_names=iris.feature_names,class_names=iris.target_names,rounded=True,filled=True)
# 将生成的.dot文件转化为图片
import os
os.system('dot -Tpng tree.dot -o iris_tree.png')
这是使用Python中sklearn包实现决策树算法的简单步骤，希望能帮到您。