【机器学习(十八)】零代码开发之决策树(Decision Tree,DT)算法-Sentosa_DSML社区版

Kenneth風车

已于 2024-12-09 16:24:53 修改

阅读量889

点赞数 34

分类专栏： Sentosa_DSML社区版文章标签：机器学习决策树人工智能数据分析低代码零代码数据挖掘

于 2024-10-28 16:37:18 首次发布

本文链接：https://blog.youkuaiyun.com/qq_45586013/article/details/143306259

版权

一、算法概念

首先，我们需要了解，什么是决策树？
开发一个简单的算法来对三个元素A、B和C进行排序，需要把这个问题拆解成更小的子问题。首先，考虑A是否小于B。接下来，如果B小于C，那么事情会变得有趣：如果A<B且B<C，那么显然A<B<C。但如果B不小于C，第三个问题就变得关键：A是否小于C？这个问题也许用图形的方式来解决问题会更好。
于是，我们可以为每个问题画一个节点，为每个答案画一条边，所有的叶子节点都代表一种可能的正确排序。下图展示了我们绘制的决策树图：
在这里插入图片描述

这是我们创建的第一个决策树。为了做出正确的决定，需要两到三个if语句，因此，算法流程如下所示：
在这里插入图片描述
排序代码：

def sort2(A, B, C):
if (A < B) and (B < C) : return [A, B, C]
if (A < B) and not (B < C) and (A < C): return [A, C, B]
if (A < B) and not (B < C) and not (A < C): return [C, A, B]
if not (A < B) and (B < C) and (A < C): return [B, A, C]
if not (A < B) and (<