Python：对西瓜书csv数据进行数据分析，训练模型并测试

这次我们来系统的了解一下决策树DecisionTreeClassifier的实现和预测

整体需求包：

csv、DictVectorizer、LabelBinarizer、DecisionTreeClassifier、numpy、graphviz、matplotlib、predict

导入需求包：(graphviz后面会用到)

import csv
import matplotlib.pyplot as plt
from sklearn.feature_extraction import DictVectorizer
from sklearn import preprocessing
from sklearn import tree
import numpy as np

需求包介绍：

1.Python读取csv文件（详解版，看了无师自通）

csv文件的本质是一种以文本存储的表格数据（使用WPS、Excel即可读取csv）；

通常第一行是表头说明每列含义，接下来每行代表一行数据。

2.python中DictVectorizer的使用

对特征值进行二进制编码，参考《数字电子技术》中的小白鼠试毒药问题

3.python编程之sklearn.preprocessing.LabelBinarizer()的用法解析

与DictVectorizer函数很像，都是one-hot编码的转换。只是设计目的不一样，LabelBinarizer用来解决标签的转化

4.【Python机器学习】——决策树DecisionTreeClassifier详解

DecisionTreeClassifier属于分类树，这次我们用利用信息熵计算的ID3算法实现

5.python之numpy的基本使用

本文中只在末尾用到了reshape函数

6.graphviz python_决策树可视化python

可以说graphviz远没有matplotlib.pyplot好用，又得下载graphviz还得输指令的

7.【Python】 【绘图】plt.figure()的使用

这里主要用的是pyplot中的tree函数，不过没找到相关博客。后面有时间我再写一篇相关介绍，先放上figure函数的用法(创建背景图)

8.python中predict函数_sklearn中predict()与predict_proba()用法区别

对新建数据进行预测

读取数据：

import csv

with open('wm20.csv','rt'