研究了决策树生成算法,应用此算法分析学生考试成绩,得出对应的决策树,最后讨论了决策树发展的方向及需要解决的问题。

决策树算法，学生专用，简单易懂，实验报告可用

糖尿病预测：使用Cima决策树算法和K-最近模型，根据患者的实验室测试结果变量（例如葡萄糖，血压等​​），使用Pima Indians糖尿病数据集来预测患者是否患有糖尿病。 Python-Scikit学习，SciPy，熊猫，MatPlotLib

有关机器 学习的基本介绍，比如机器学习是分为监督学习和无监督学习的，以及监督学习中的一些算法，有分类算法和数值型预测算法，分类算法中几种比较经典的算法

《机器学习》算法实例-决策树算法-预测鱼类和非鱼类实例 根据不浮出水面是否可以生存、是否有脚蹼2 个特征，将动物分成两类: 鱼类和非鱼类。 收集数据: 可以使用任何方法 准备数据: 树构造算法（这里使用的是ID3算法，因此数值型数据必须离散化。） 分析数据: 可以使用任何方法，构造树完成之后，我们可以将树画出来。 训练算法: 构造树结构 测试算法: 使用习得的决策树执行分类 使用算法: 此步骤可以适用于任何监督学习任务，而使用决策树可以更好地理解数据的内在含义

提出了一种基于分布多库环境下的决策树生成算法DDTA（Distributed Decision Tree Algorithm）。该算法使用基于信息熵增益的思想分割各个分布的、同构训练样本集，各分布站点利用服务器传来的分割属性分割自己的样本集，服务器则通过对所有分布站点传来的信息计算各个属性的信息熵增益得到分割属性。实验表明DDTA算法能对分布同构样本集进行有效决策树挖掘，分布多库环境下生成的决策树是正确的。与算法INDUS相比，该算法的通信代价小。

knn算法，决策树算法，聚类的实现

主要为大家详细介绍了python实现C4.5决策树算法，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

采用数据挖掘技术中ID3决策树算法分析学生成绩.pdf 采用数据挖掘技术中ID3决策树算法分析学生成绩.pdf

由于学生的成功率反映了教育组织的成功，因此学生成功率不断提高的趋势成为所有教育组织的目标。 除此之外，学生完成中学后接受高等教育的意愿是教育组织最重要的目标之一。 许多原因会影响这种意愿，揭示这些原因可能会增强学生的意愿。 数据挖掘工具（尤其是决策树算法）可以被认为是找到隐藏模式以实现这些目标的最佳选择。 本工作中使用的实验数据集是由米尼奥大学的 Paulo Cortez 和 Alice Silva 收集和分析的两门课程（数学（395 个实例）和葡萄牙语（拥有 659 个实例的葡萄牙语课程））的葡萄牙学生的数据集，葡萄牙。 在这项工作中应用和试验了三种决策树算法（J48、RepTree 和 Hoeffding Tree（VFDT））。 结果表明，J48算法最适合对学生完成高等教育和课程成功的意愿进行分类和预测。