sharonITlion的博客

在上一篇博文中，我写了如何依靠训练数据构造决策树，这一节让我们来验证一下算法的实际效果，本节所有代码与上一篇博文代码均在chosetree.py文件中测试算法：使用决策树进行分类＃首先声明下，这里的inputTree，就是上节中的mytree，mytree={'no sufacing': {0: 'no', 1: {'flippers': {0: 'no', 1: 'yes'}

最近在看《机器学习实战》的第三章，记录一下KNN算法无法给出数据内部的联系，而决策树算法通过提取一系列的规则，从而了解数据之间的内部联系。 决策树算法适用于数值型和标称型。数值型表示无限数据中，数据较为具体化，通常用于回归分析。标称型表示一般在有限的数据中取得，而且只存在是和否两种结果。构造决策树时，首先需要知道哪个特征在划分数据分类时会起决定化的作用。这里我们就需要划分数据集。决策树的一般流程包