通过本次实验，我们进一步监督学习的基本知识，重点理解决策树的常见算法和改进策略，掌握决策树的基本实现方法，考虑决策树的实现细节，实现了基本的决策树模型并使用汽车模型和蘑菇模型对模型进行测试和可视化，测试效果较好。

莺尾花源码，其中包含： 逻辑回归、决策树、支持向量机、朴素贝叶斯、KNN

决策树莺尾花

基于决策树的鸢(yuan)尾花分类考察基于四个特征联合描述样本，构造的二叉分类决策树模型，决策树的可视化。 步骤：1. (1)导入scikit-learn内置的datasets 数据集模块 (2)导入scikit-learn内置的tree包的 DecisionTreeClassifier API接口模块 2-2. 决策树的可视化 3. 有关参数设置： Parameters 类别数=3； 绘制颜色表； 步长 4. 加载iris数据集,获取该数据集对象的data部分，以及类别标号 5. 初始化决策树分类模型实例；并基于X，y 训练集，学习CART分类树 并且详细介绍了参数的应用