sklearn 决策树例子_决策树算法应用及结果解读

引言

本文是我写的人工智能系列的第 8 篇文章，文末有前面 7 篇文章的链接，推荐你阅读、分享和交流。

1. 决策树算法简介

决策树是一种应用非常广泛的算法，比如语音识别、人脸识别、医疗诊断、模式识别等。

决策树算法既可以解决分类问题(对应的目标值是类别型的数据)，也能解决回归问题(输出结果也可以是连续的数值)。

相比其他算法，决策树有一个非常明显的优势，就是可以很直观地进行可视化，分类规则好理解，让非专业的人也容易看明白。

比如某个周末，你根据天气等情况决定是否出门，如果降雨就不出门，否则看是否有雾霾……这个决策的过程，可以画成这样一颗树形图：

下面我们以 sklearn 中的葡萄酒数据集为例，给定一些数据指标，比如酒精度等，利用决策树算法，可以判断出葡萄酒的类别。

2. 加载数据

为了方便利用图形进行可视化演示，我们只选取其中 2 个特征：第 1 个特征(酒精度)和第 7 个特征(黄酮量)，并绘制出 3 类葡萄酒相应的散点图。

import numpy as npimport matplotlib.pyplot as pltfrom sklearn import datasets# 加载葡萄酒的数据集wine = dataset