从零开始的决策树
在本项目中，我将从头开始实现决策树学习算法（仅使用numpy）。
我将使用一个数据集，其中包括从Audubon社会北美蘑菇现场指南（1981）中提取的蘑菇记录。 该数据库描述了姬松茸和Lepiota家族不同种类的镀金蘑菇的样品。 在提供的文件（冬菇数据.txt）的一行中，每个样本均由23个字符的字符串描述。 每个这样的字符串描述每个样本的22个属性的值（如下所述），最后一个字符对应于蘑菇正确分类为可食用（e）或有毒（p）蘑菇。
例如，数据集中的前两个样本是有毒的，然后是可食用的物种，如下所示：
xsntpfcnkeesswwpwopks向上
xsytafcbkecsswwpwopnn ge
表1的末尾给出了22个属性变量及其值。 （并且也列在文件（properties.txt）中，以供参考）。
程序开始时，它应要求用户输入三个信息：
训练集大小：该值应该是25
2022-11-02 19:20:06
38KB
1
带着读者通过Python语言手写简化版实现决策树绘制。
适合人群：零基础或者具备一定编程基础，对机器学习有一定的了解。
可以学到机器学习决策树的原理，如何利用cart决策树实现决策树绘制，完成分类效果。
2022-11-02 19:08:22
8KB
1