数据挖掘之决策树归纳算法的Python实现

同样，这里把之前的实验报告搬出来。

引自百度：决策树算法是一种逼近离散函数值的方法。它是一种典型的分类方法，首先对数据进行处理，利用归纳算法生成可读的规则和决策树，然后使用决策对新数据进行分析。本质上决策树是通过一系列规则对数据进行分类的过程。

决策树的算法原理：

(1)通过把实例从根节点开始进行排列到某个叶子节点来进行分类的。

(2)叶子节点即为实例所属的分类的，树上的每个节点说明了实例的属性。

(3)树的生成，开始的所有数据都在根节点上，然后根据你所设定的标准进行分类，用不同的测试属性递归进行数据分析。

决策树的实现主要思路如下： 

(1)先计算整体类别的熵 

(2)计算每个特征将训练数据集分割成的每个子集的熵，并将这个熵乘以每个子集相对于这个训练集的频率，最后将这些乘积累加，就会得到一个个特征对应的信息增益。 

(3)选择信息增益最大的作为最优特征分割训练数据集 

(4)递归上述过程 

(5)递归结束条件：训练集的所有实例属于同一类；或者所有特征已经使用完毕。

代码如下：

#!/usr/bin/python
#coding=utf-8
import operator
import math

#定义训练数据集
def createDataSet():

	#用书上图8.2的数据
	dataSet = [
			['youth', 'no', 'no', 'no'],
			['youth', 'yes', 'n