在科学把握决策树与信用风险管理理论的基础上，对现有信用风险评估模型和方法进行了分析评价，针对信用评估结果不确定的情况，在企业信用风险评估中引入决策树分析方法，建立了基于决策树技术的企业信用风险评估模型，使信用风险评估工作更科学、可靠，更直观，以便更科学地筛选赊销对象。

matplotlib.pyplot绘制决策树的准确率，召回率，ROC，特征重要性-附件资源

java实现的决策树算法（ID3），里面附带测试数据集，包含输出构建的决策树，测试正确率，对数据进行预测

null决策树算法.ppt

机器学习与算法源代码5： 决策树模型.zip

基于matlab的表情识别代码从面部表情识别情绪 目录 介绍 在实施和测试基本机器学习技术方面的动手经验。 将要检查的技术是决策树（DT）和人工神经网络（ANN）。 这些技术中的每一种都将用于基于一组标记的面部动作单元（AU）从人的面部表情中识别出六种基本情绪（愤怒，厌恶，恐惧，幸福，悲伤和惊奇）。 后者对应于人类面部肌肉的收缩，这是每一个面部表情的基础，包括六种基本情感的面部表情。 前述技术的实施需要对这些技术的理解。 面部动作编码系统和基本情绪 在计算机科学研究中，当今时代的一大挑战是对人类面部表情的自动识别。 能够执行此任务的机器在行为科学，安全性，医学，游戏和人机交互（HMI）等领域具有许多应用。 众多认知科学家已经证明了面部表情在人际交流中的重要性。 例如，我们使用面部表情来同步对话，显示我们的感受并表示同意，否定，理解或困惑，仅举几例。 因为人与人之间的交流比人与机器之间的交流更为自然，所以设计能够模拟人与人之间的交互以实现人与机器之间相同自然交互的机器是逻辑上的一步。 为此，机器应该能够检测并理解我们的面部表情，因为它们是人与人之间交流的重要组成部分。 流式细胞仪 传统上

鸢尾花数据分类，决策树Python实现

酒数据集 https://blog.csdn.net/li1873997/article/details/124780441

TDT4300-分配4-决策树 使用决策树和K近邻分类器对有毒蘑菇进行分类。

基于决策树学习的智能机器人控制方法