决策树的简单应用

最新推荐文章于 2024-08-04 21:08:26 发布

www_buzhidao

最新推荐文章于 2024-08-04 21:08:26 发布

阅读量2.3k

点赞数 2

分类专栏： python数据挖掘 python决策树文章标签：决策树 python 决策树简单应用

本文链接：https://blog.csdn.net/www_buzhidao/article/details/72811887

版权

决策树是一种常用的分类器，以其易于理解及高效性著称。它通过训练数据建立模型，便于对新数据进行分类。尽管决策树在面对训练集中未出现的数据时可能表现不佳，但其模型清晰，计算效率高，特别适合对原始数据处理的需求。

摘要由CSDN通过智能技术生成

决策树（Decision Tree）是一种简单但是广泛使用的分类器。通过训练数据构建决策树，可以高效的对未知的数据进行分类。决策数有两大优点：1）决策树模型可以读性好，具有描述性，有助于人工分析；2）效率高，决策树只需要一次构建，反复使用，每一次预测的最大计算次数不超过决策树的深度。但是决策树对训练集里不存在数据进行预测时，效果很差。

from sklearn.model_selection._split import train_test_split
dataset = [
    ["Outlook","Temperature","Humidity","Wind","Play?"],
    ["sunny","hot","high","false","no"],
    ["sunny","hot","high","true","no"],
    ["overcast","hot","high","false","yes"],
    ["rain","mild","high","false","yes"],
    ["rain","cool","normal","false","yes"],
    ["rain","cool","normal",