决策树分类作为一种基于空间数据挖掘的知识发现的监督分类方法，它通过决策学习过程得到分类规则并对遥感影像进行分类，突破了以往分类树或分类规则的构建要利用分类者的生态学和遥感先验知识的确定。我们以AdaBoost和C4.5算法为基础，通过算法改进，创建了适用于遥感影像分类的决策树算法GLC树，并依托C#+ArcEngine平台设计实现了GLC_Info v1.1。该软件以GLC分类器为核心，不仅提供了基于像元的遥感影像分类功能，而且可以在ENVI或者eCognition分割结果的基础上实现遥感影像面向对象自动分类。和以往分类中手动建立规则集相比，该软件通过决策树学习的方式建立规则集，不仅提高了效率，而且大大降低了对操作员的要求。另外该软件还提供了一些辅助分类以及统计分析功能。

针对当前大学生成绩预测系统模型设计复杂、计算量大、预测准确性差、智能化程度低、受人为因素影响大等问题，提出了一种基于大数据决策树算法的学生成绩分析与预测模型。该模型将大学生成绩预测问题转换成大学生学习状态分类问题，以简化模型设计并提高大学生成绩预测的准确性；通过引入计算量较小的决策树算法，利用与成绩相关的数据实现对学生未来成绩的预测，从而提高成绩预测系统的智能性和客观性。该预测模型与传统的成绩预测方法相比，具有模型复杂度低、实现简单、智能化程度高、预测准确性及客观性强等优点。在实际成绩预测实验中，对学生成绩预测的准确率达到94%，证明了该预测模型的有效性。

只用到了numpy库，自己编写的函数，计算交叉熵、信息增益、递归创建决策树、解码分类 # 第1步: 针对每个特征，计算信息增益 # 第2步: 选取最大增益的特征，分裂决策树，递归调用 # 第3步: 解码决策树，进行分类

使用c++的八叉树实现，八叉树（Octree）的定义是：若不为空树的话，树中任一节点的子节点恰好只会有八个，或零个，也就是子节点不会有0与8以外的数目。

分类决策树算法.ppt

深度解析 决策树的原理以及很多的列子，是机器学习的绝佳教程宝贝

C++实现机器学习决策树算法CART(Classification And Regression Trees, 即分类回归树).同样实现了剪枝算法用于解决决策树会产生过拟合的情况.代码干净,整洁,有注释可直接使用.

sklearn决策树算法实现-附件资源

python尝试实现决策树算法，具有一点参考价值

展．最近Ｌｉ等人通过核磁共振的方 法，在 物 理 上 实 现了４量子 比 特 的 量 子ＳＶＭ［３２］，并 对 最 基 本 的 手 写数字６和９进行识别，实验结果显示识别精度高 达９９％．虽然实 验 样 本 较 小，但 该 实 验 显 示 出 量 子 理论与机器学习算法结合的可行性． ３．２．３　量子决策树算法 决策树模型是一种描述对象属性或特征，并与 对象所属类别之间进行关系映射，所形成的树形结 构模型［７９］．树中 每 个 节 点 代 表 一 个 对 象，分 为 内 部 节点和叶节点（即最后一层节点）两种．内部节点代 表对象的属性值，叶节点代表对象的类别．决策树分 类过程，如图６所示．分类，首先从根节点开始，对输 入实例的特征进行判断，并根据判别结果将实例分 配至相应子节点，以此类推，直到对象到达叶节点． 最终得到该实例所在类别．为提高决策树学习效率， 常使用信息增益来选择特征． ３５１１期 黄一鸣等：量子机器学习算法综述 ① ｈｔｔｐ：／／ｗｗｗ．ｓｔａｔｓｏｆｔ．ｃｏｍ／Ｔｅｘｔｂｏｏｋ／Ｓｕｐｐｏｒｔ－Ｖｅｃｔｏｒ－Ｍａｃｈｉｎｅｓ