python数据挖掘实验报告_Python数据挖掘实践—决策树

这几期和大家聊聊使用Python进行机器学习

题外话：之前一期“ scrapy抓取当当网82万册图书数据 ” 的 Github 链接

Python拥有强大的第三方库，使用Python进行科学计算和机器学习同样需要先配置运行环境。这里我们需要安装Anaconda，官方给出的下载链接太慢，而且经常下载到一半卡死，这里我提供我下载好的Numpy：提供数组支持，以及相应的高效处理函数；

Scipy：提供矩阵支持，以及矩阵相关的数值计算模块；

Matplotlib：数据可视化工具，作图库；

Pandas：强大、灵活的数据分析和探索工具；

Scikit - Learn：支持回归、分类、聚类等强大的机器学习库；决策树是一个类似流程图的树状结构，其中每个内部节点都表示在一个属性上的测试，每个分支代表一个属性输出，而每个树叶节点代表类或类分布，最顶层是根节点。

决策树方法在分类、预测等领域有广泛应用。我在百度上找了张图，决策树是长这样：

下面我用一个案例来简单介绍下用Python实现决策树的机器学习过程

1、案例背景：某连锁餐饮企业手头拥有一批数据，想了解周末和非周末对销量是否有很大区别，以及天气的好坏、是否有促销活动对销量的影响。以单个门店为例，数据结构如下：

2、过程分析：这里我们采用的算法为ID3算法，ID3算法是啥，那么多博客说的比我清楚，大家可以搜搜决策树ID3就明白了。总结一句话：ID3就是基于信息熵来选择最佳测试属性，采用信息增益作为选择