机器学习--决策树(ID3)算法案例

       在进行案例分析前，先对决策树算法的分类函数进行测试。考虑到构造决策树非常耗时，为了节省计算时间，最好能够在每次执行分类时调用已经构造好的决策树。这就需要利用python模块pickle序列化对象将决策树分类算法保存在磁盘中，并在需要的时候读取出来。

1、测试决策树分类算法性能

######################################
#功能：决策树的分类函数
#输入变量：input_tree, feat_labels, test_vec
# 决策树，分类标签，测试数据
#输出变量：class_label 类标签
######################################
def classify(input_tree, feat_labels, test_vec):
    first_str = input_tree.keys()[0]
    second_dict = input_tree[first_str]
    class_label = -1

    # index方法用于查找当前列表中第一个匹配first_str变量的索引
    feat_index = feat_labels.index(first_str)

    for key in second_dict.keys():
        if test_vec[feat_index] == key: