python决策树 value_利用pandas创建决策树模型

今天深入学习了机器学习算法中，属于监督学习的决策树模型，我是在github上2w+星的项目学习的：apachecn/AiLearning，在此强烈推荐给新手！

作者的算法基本依靠Python的基础语法完成，比如数据集是以二维列表的形式展示的，利用基础语法对其进行操作，会比较繁琐。联想到利用pandas应该能使代码更简洁，便自己动手实操了一番：

先给出伪代码：

对于一个拥有分类结果的训练数据集：
    如果结果列只有一种分类，则返回此分类；
    如果数据集只有1列，则返回出现次数最多的分类；
    否则要选择最优特征列，创建决策树；
对于每一个特征列：
    计算每一个特征值的信息熵和概率
    计算这一特征列的期望信息熵（每一个特征值的信息熵和概率相乘后求和）
    计算特征列的信息增益（基础信息熵-期望信息熵）
    比较每一个特征的信息增益，返回最大信息增益的特征
根据最优特征划分数据集，并剔除第一次选择的最优特征
对于剩余的特征：
    递归调用函数，直到返回最终分类结果

实际代码：

#!/usr/bin/python