id3算法python实现,day-7 一个简单的决策树归纳算法（ID3）python编程实现

本文介绍如何利用决策树/判定树(decision tree)中决策树归纳算法(ID3)解决机器学习中的回归问题。文中介绍基于有监督的学习方式，如何利用年龄、收入、身份、收入、信用等级等特征值来判定用户是否购买电脑的行为，最后利用python和sklearn库实现了该应用。

1、  决策树归纳算法(ID3)实例介绍

2、  如何利用python实现决策树归纳算法(ID3)

1、决策树归纳算法(ID3)实例介绍

首先介绍下算法基本概念，判定树是一个类似于流程图的树结构：其中，每个内部结点表示在一个属性上的测试，每个分支代表一个属性输出，而每个树叶结点代表类或类分布。树的最顶层是根结点。

决策树的优点： 直观，便于理解，小规模数据集有效

决策树的缺点：处理连续变量不好，类别较多时，错误增加的比较快，可规模性一般

以如下测试数据为例：

我们有一组已知训练集数据，显示用户购买电脑行为与各个特征值的关系，我们可以绘制出如下决策树图像(绘制方法后面介绍)

此时，输入一个新的测试数据