决策分类树可视化以及手写代码寻找最佳分裂标准

问题介绍

决策树是一种非线性解决回归或者分类的思路，这篇文章是从QQ的好友密度，日志密度，以及真实头像和QQ是否是真实用户的相关性出发，利用决策树分析问题。并且画出了决策树，还手写代码实现了决策树的分裂标准。

决策树可视化

# 导包
import pandas as pd 
import numpy as np
from sklearn.tree import DecisionTreeClassifier # tree模块中有回归树和分类树，此处导入分类树
from sklearn import tree

# 构建数据，s,m,l分别表示小，中，大
y = np.array(list('NYYYYYNYYN'))
X = pd.DataFrame({
   
   '日志密度':list('sslmlmmlms'),
                  '好友密度':list('slmmmlsmss'),
                  '真实头像':list('NYYYYNYYYY')})
X

	日志密度	好友密度	真实头像
0	s	s	N
1	s	l	Y
2	l	m	Y
3	m	m	Y
4	l	m	Y
5	m	l	N
6	m	s	Y
7	l	m	Y
8	m	s	Y
9	s	s	Y

# 在算法中计算，必须是数字，对字符串做相应的转换
X['日志密度']=X['日志密度'].map({
   
   's':0,'m':1,'l':2})
X['好友密度']=X['好友密度'].map({
   
   's':0,'m':1,'l'