c5.0决策树算法，源代码可以运行，你要好好看看说明文件怎么运行。使用命令行。而且要有训练集。

使用线性、决策树和投票回归模型和来自 Kaggle 的数据预测体脂

决策树分类器 使用Python的决策树分类器sklearn。

基于决策树的银行营销数据挖掘 ├── 0，数据挖掘基础知识精讲 │ ├── 工具 │ ├── 教案 │ ├── 案例 │ ├── 视频 │ └── 资料 ├── 1，项目背景与运行环境 ├── 2，IBM SPSS Modeler简介 ├── 3，GRISP-DM数据挖掘流程 ├── 4，决策树算法 ├── 5，建立银行用户挖掘模型 ├── 6，运行及结果分析 ├── 7，模型应用 └── 8，课程总结

以下数据集是经过确认的西瓜属性，请根据这些信息，利用决策树方法判定另外一批西瓜的质量。 1.学习有关决策树的相关知识 2.构建每个属性的信息增益，并写入到文件Gain.txt中 3.绘制决策树，保存成文件, Decision_tree.jpg 4.利用随机算法生成不少于5W条的数据集，写入文件data.csv 中 5.利用决策树进行判定，判定结果写入到result.csv中，并记录判定所花费的绝对时间

最终实现了基于基尼系数和基于信息熵的两种决策树模型，能够处理离散型数据和连续型数据，并将生成的决策树可视化。在模型评估时还实现了基于numpy和pandas的准确率计算、混淆矩阵计算与可视化函数。

脑电情绪识别二分类算法，采用模型决策树、SVM、KNN三个模型 （deap数据集），代码主要分为三部分：快速傅里叶变换处理（fft）、数据预处理、以及各个模型处理。采用的模型包括：决策树、SVM、KNN三个模型（模型采用的比较简单，可以直接调用库，很适合我这种新手，看起来也方便）。

编写一个程序，实现猜动物名称的游戏。猜者要问玩者一系列问题。通过玩者的答复，猜者尽力去猜玩者想出的动物。猜对了猜者赢，否则，玩者赢。如果猜者输了，则玩者将新动物的名称及其特征告诉猜者，猜者将新动物添加到知识库中。猜者通过不断的学习，可猜到更多的动物，终将成为动物专家。 建立一个有序二叉树作为决策树，用来作为专家系统的知识库。决策树中的叶子结点存储各种动物的名称，其他节点存储有关动物特征的问题。从根节点开始，访问节点的内容。如果是节点内容是问题，由用户回答“是”、“否”。若回答“是”，访问左孩子结点，若回答否，访问右孩子节点，直到节点的内容为动物名称为止。此时，程序给出猜测结果。如果猜对，专家胜利。如果猜错，用户给出动物名称和特征，程序根据两者更改决策树、添加新的节点。

知网下载的谢老师发表文献，可以指导决策树构建。 特别适用于菜鸟学习哈！

泰坦尼克决策树csv文件