用matlab实现决策树

有AB两个产地的樱桃，不同产地的樱桃的各种微量元素并不相同，根据已有数据，判断最后十个樱桃分别产自哪里，并生成树形图

【博客源代码】程序设计-在校整理-08 基于决策树的分类示例源代码与数据文件

11.1 理解决策树 决策树方法在分类、预测、规则提取等领域有着广泛应用。在20世纪70年代后期和80年代初期，机器学习研究者J.Ross Quinilan提出了ID3[5-2]算法以后，决策树在机器学习、数据挖掘邻域得到极大的发展。Quinilan后来又提出了C4.5，成为新的监督学习算法。1984年几位统计学家提出了CART分类算法。ID3和ART算法大约同时被提出，但都是采用类似的方法从训练样本中学习决策树。 决策树是一树状结构，它的每一个叶节点对应着一个分类，非叶节点对应着在某个属性上的划分，根据样本在该属性上的不同取值将其划分成若干个子集。对于非纯的叶节点，多数类的标号给出到达这个节点的样本所属的类。构造决策树的核心问题是在每一步如何选择适当的属性对样本做拆分。对一个分类问题，从已知类标记的训练样本中学习并构造出决策树是一个自上而下，分而治之的过程。

基于C++的决策树实现，主要算法是西瓜书上面的ID3。将决策树封装成一个类，很容易进行移植。但可能数据结构选择上有些许不合适，大神慎重下载。

行业分类-物理装置-生成可视化决策树(集)模型的方法、系统、装置及存储介质.zip

决策树（decision tree）类似于流程图的树结构，由一个根节点，一组内部节点和一组叶节点组成。每个内部节点（包括根节点）表示在一个属性上的测试，每个分枝表示一个测试输出，每个叶节点表示一个类，有时不同的叶节点可以表示相同的类。

合肥工业大学2021年数据结构课程设计--随机决策树的生成。在test文件夹中有测试数据以及生成的决策树结果。本人课程设计得分优

机器学习C++源码解析-决策树cart算法-源码+数据

Python实现线性回归、逻辑回归、KNN、SVM、朴素贝叶斯、决策树、K-Means7种机器学习算法的经典案例——亲测可用