【python代码实现】决策树分类算法

前置信息

1、决策树

决策树是一种十分常用的分类算法，属于监督学习；也就是给出一批样本，每个样本都有一组属性和一个分类结果。算法通过学习这些样本，得到一个决策树，这个决策树能够对新的数据给出合适的分类

2、样本数据

假设现有用户14名，其个人属性及是否购买某一产品的数据如下：

编号	年龄	收入范围	工作性质	信用评级	购买决策
01	<30	高	不稳定	较差	否
02	<30	高	不稳定	好	否
03	30-40	高	不稳定	较差	是
04	>40	中等	不稳定	较差	是
05	>40	低	稳定	较差	是
06	>40	低	稳定	好	否
07	30-40	低	稳定	好	是
08	<30	中等	不稳定	较差	否
09	<30	低	稳定	较差	是
10	>40	中等	稳定	较差	是
11	<30	中等	稳定	好	是
12	30-40	中等	不稳定	好	是
13	30-40	高	稳定	较差	是
14	>40	中等	不稳定	好	否

决策树分类算法

1、构建数据集

为了方便处理，对模拟数据按以下规则转换为数值型列表数据：
年龄：<30赋值为0；30-40赋值为1；>40赋值为2
收入：低为0；中为1；高为2
工作性质：不稳定为0；稳定为1
信用评级：差为0；好为1

#创建数据集
def createdataset():
    dataSet=[[0,2,0,0,'N'],
            [0,2,0,1,'N'],
            [1,2,0,0,'Y'],
            [2,1,0,0,'Y'],
            [2,0,1,0,'Y'],
            [2,0,1,1,'N'],
            [1,0,1,1,'Y'],
            [0,1,0,0,'N'],
            [0,0,1,0,'Y'],
            [2,1,1,0,'Y'],
            [0,1,1,1,'Y'],
            [1,1,0,1,'Y'],
            [1,2,1,0,'Y'],
            [2,1,0,1,'N'],]
    labels=['age','income','job','credit']
    return dataSet,labels

调用函数，可获得数据：

ds1,lab = createdataset()
print(ds1)
print(lab)

[[0, 2, 0, 0, ‘N’], [0, 2, 0, 1, ‘N’], [1, 2, 0, 0, ‘Y’], [2, 1, 0, 0, ‘Y’], [2, 0, 1, 0, ‘Y’], [2, 0, 1, 1, ‘N’], [1, 0, 1, 1, ‘Y’], [0, 1, 0, 0, ‘N’], [0, 0, 1, 0, ‘Y’], [2, 1, 1, 0, ‘Y’], [0, 1, 1, 1, ‘Y’], [1, 1, 0, 1, ‘Y’], [1, 2, 1,