决策树python代码的简单实现具体可以参考博客

用C#编的决策树ID3算法，并是决策树可视化，代码完整，可以直接运行》》》》》感兴趣下载

内含原始数据集，测试集和实验要求，运用sklearn简单实现决策树，用于学习python，sklearn基础，能够生成决策树pdf以供入门者参考

python 利用pandas 实现 用决策树算法预测NBA获胜球队，2013-2014赛季的成绩作为训练集

matlab程序下的决策树与随机森林分类算法的详细案例，含doc介绍，方便学习

决策树应用结合金融行业的具体应用。决策树应用结合金融行业的具体应用。

决策树(Decision Tree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干，故称决策树。在机器学习中，决策树是一个预测模型，他代表的是对象属性与对象值之间的一种映射关系。Entropy = 系统的凌乱程度，使用算法ID3, C4.5和C5.0生成树算法使用熵。这一度量是基于信息学理论中熵的概念。

使用的是python3版本，自己编写的，能够完美运行，只需要运行主程序就行，数据啥的都准备好了

运用ID3算法训练决策树，运行成功，包含代码和训练测试数据集。

该代码所有函数写到了一个脚本文件下 构造树 还有相应剪枝处理