分类算法（决策树、支持向量机）建立决策函数，然后判断如下数据的类别。 （青年，是，否，非常好）请按列表写结果并附加程序和运行结果。

西瓜书第六章，选择两个UCI数据集(iris和XX)，linear,rbf两个核函数训练SVM，BP，C.4.5决策树实验比较

与本博文一致的决策树的3个案例数据，可用于做决策树构建和分析

项目3：多分类 作者：Khyatee Desai和David Shin 概述 Spotify一直在寻求创建其他功能和播放列表，以使用户发现来自不同流派和时代的新歌手。 新增内容可能会导致现有用户续订该应用程序的每月订阅，并希望扩展其音乐种类。 以下分析旨在证明音乐可以根据其音乐属性所源自的时间段进行分类。 通过类型分类发现新歌手不仅使用户受益，而且使歌手和Spotify受益。 未知的艺术家将从更多的发现方法中受益，Spotify可能获得更多的收入和更多的数据。 业务问题 要开发最佳功能和播放列表，我们需要了解在按时间段对音乐进行分类时哪些功能最重要。 创建新功能可能会推动客户续订并吸引新用户的兴趣。 数据 我们使用的主要数据集包含1921-2020年间歌曲属性。 Spotify数据包含每个轨道的音频功能，如下所示： 钥匙 值类型 值说明 duration_ms 整型 轨道的持续时间（以

通过个人的理解完成部分代码并加上部分注释，完成决策树流程框图，展示决策树递归流程并进行可视化。数据来自《模式识别》（张学工），代码主要来自《机器学习实战》，侵权删。

机器学习 python 决策树 实验

Python机器学习 人工智能 深度学习算法 决策树代码及实现 配备完整的数据集和代码功能 适合新手学习

数据挖掘决策树ID3算法C++实现 数据挖掘入门程序

C4.5算法使用信息增益率来代替ID3的信息增益进行特征的选择，克服了信息增益选择特征时偏向于特征值个数较多的不足。信息增益率的定义如下： # -*- coding: utf-8 -*- from numpy import * import math import copy import cPickle as pickle class C45DTree(object): def __init__(self): # 构造方法 self.tree = {} # 生成树 self.dataSet = [] # 数据集 self.labels = [] # 标签集 # 数据导入

二、对偶电路的图解求法  根据例 3‐1 求对偶电路方法的原理，可以总结出一种由图解直接求对偶电路 的一般方法，它适用于任意复杂电路，如下：    （1）在电路的每一回路中取一点，依次编号为 1，2，…，n；在电路外任意 绘一包围线，相当于等电位的节点 0。  （2）从每个编号点出发，向该回路的每一元件和电源画辐射线，到达包围线 或到达相邻的编号点。回路的每个编号点对应于其对偶图中的节点(0点对应于零 电位节点)，而这些辐射线则对应于对偶图中的对偶支路。  （3）对每一回路按相同方向标出回路电流参考方向，使流经两回路边界支路 的两个回路电流方向相反，对每一电势、大件电流和元件电压也都给出参考方向。 按照表 3‐1 进行对偶变换。把电势源换为电流源时，若电势 e 与回路电流的参考 方向一致（此时电压 u＝e 却与电流参考方向正相反），则此电势对偶换为流人节 点的电流源，而回路电流则换为离开节点的电压，从而保持此电流源仍为发生电 功率。同理如一元件的电压与回路电流取相同参考方向，则换为流出节点进入其 对偶元件的电流，如该元件电流与回路电流取相同参考方向，则换为离开节点跨