03_使用决策树预测隐形眼镜类型

使用决策树预测隐形眼镜类型

1、实验描述

• 使用Python编程，输入为隐形眼镜数据集，计算所有可能的特征的信息增益，选择最优的特征值划分数据集，进而递归地构建决策树。其中为了更加直观地呈现决策树，使用Matplotlib编程将决策树可视化。最后，根据训练好的决策树执行分类，预测患者需要佩戴的隐性眼镜类型。

• 实验时长： 60分钟

• 主要步骤：

  • 使用Python选择最优特征递归构建决策树

  • 决策树的可视化

  • 使用决策树执行分类预测

2、实验环境

• Anaconda 4.3.30

• Python 3.6.6

• Numpy 1.13.1

• Matplotlib 2.2.2

• scikit-learn 0.18.2

• graphviz 2.30.1

3、相关技能

• Python编程

• Matplotlib编程

• 决策树构建

• 决策树可视化

4、相关知识点

• 决策树的原理

• 决策树（decision
  tree）是一种基本的分类与回归方法，是一个预测模型，他代表的是对象属性与对象