3.2 决策树(decision tree)应用

1. Python

2.  Python机器学习的库：scikit-learn

      2.1： 特性：

简单高效的数据挖掘和机器学习分析

对所有用户开放，根据不同需求高度可重用性

基于Numpy, SciPy和matplotlib

开源，商用级别：获得 BSD许可

 

 

     2.2 覆盖问题领域：

          分类（classification), 回归（regression), 聚类（clustering), 降维(dimensionality reduction)

          模型选择(model selection), 预处理(preprocessing)

 

 

3. 使用用scikit-learn

     安装scikit-learn: pip, easy_install, windows installer

     安装必要package：numpy， SciPy和matplotlib， 可使用Anaconda (包含numpy, scipy等科学计算常用

     package）

     安装注意问题：Python解释器版本（2.7 or 3.4？）, 32-bit or 64-bit系统

 

4. 例子：

     

 

      文档： http://scikit-learn.org/stable/modules/tree.html

      解释Python代码

      安装 Graphviz： http://www.graphviz.org/

      配置环境变量

      转化dot文件至pdf可视化决策树：dot -Tpdf iris.dot -o outpu.pdf