摘 要 短时强降水是气象上的常见灾害性天气，准确认识短时强降水的发生规律和科学有效地预报是防灾减灾的关键问题。利用江苏省13个气象观测站历史上短时强降水观测资料，用遗传算法进行特征选择，选定影响短时强降水的对流抑制能、对流有效势能、高空水汽通量场等19个特征为主要因素，将是否短时强降水抽象成二元分类问题。借助机器学习中CART决策树算法进行分类分析，构建便于预报员使用的短时强降水预报规则集。实验部分，随机选择3000条样本进行训练模型，得到适合江苏地区的短时强降水规则集，用剩余的838条数据进行检验，模型的短时强降水预报准确率为88.26%，非强降雨预报准确率为96.81%，较特征选择之前分别提升4.75%和0.70%。

python机器学习算法决策树和聚类分析实验报告

决策树代码。里面有代码，数据，还有代码执行过程中输出的PDF。根据电影数据样本的类别属性去预测是否去看电影。

上海大学-机器学习-决策树实验 实验介绍 1.实验内容 本实验包括: 学习并实现决策树算法----以ID3算法为例 基于决策树算法预测隐形眼镜类型

ID3算法是由Quinlan首先提出的。该算法是以信息论为基础，以信息熵和信息增益度为衡量标准，从而实现对数据的归纳分类。

PlayTennis.txt决策树数据集

决策树生成的详细算法，可以以此借鉴参考，非常管用。。

决策树C4.5的实现，可以在VS2013上运行的！

本文档主要讲了决策树算法的背景，及其中一个典型的算法：c4.5算法

c语言的决策树C4.5。数据挖掘中决策树是一种经常要用到的技术，可以用于分析数据，同样也可以用来作预测。决策树的分类模型，以其特有的优点广为人们采用。首先，决策树方法结构简单，便于人们理解；其次，决策树模型效率高，对训练集数据量较大的情况较为适合；第三.决策树方法通常不需要受训数据外的知识；第四，决策树方法具有较高的分类精确度。