Iris 鸢尾花
House Votes 84
程序的输入应包含两个文件： 1.包含属性名称的文件。此文件将包含逗号分隔的所有属性的名称和最后一个属性对应于dass。 2.所有样本都由逗号分隔。文件每行就是一个样本。程序的输出应该是决策树。这可以是文本输出或图形输出对于本作业，您还需要实现以下函数（除了与dedsion树相关的函数）：
– 数据集分割（80％用于培训，20％用于测试）
– K-交叉验证使用UCI机器学习库中的以下数据集测试您的程序：
Iris 鸢尾花
House Votes 84 如果您决定使用ID3算法，则可以对连续属性执行离散化处理您可以使用这样的域运行您的程序。

注意：请注意，遵循我们的 TA 发布此任务的任何其他规则，他将使用这

些规则进行

3.运行效果： [运行结果截图]

House Votes 84：

Lris:

4.实现过程：[部分核心代码截图, 截图部分的代码 prefer 中英文注释]

5.知识点巩固：[相关知识点 1-3 点总结]

C4.5 算法是机器学习算法中的一种分类决策树算法，它的目标是监督学习：给定一个数据集，其中的每一个元组都能用一组属性值来描述，每一个元组属于一个互斥的类别中的某一类。C4.5 的目标是通过学习，找到一个从属性值到类别的映射关系，并且这个映射能用于对新的类别未知的实体进行分类。其核心算法是 ID3 算法。C4.5 算法继承了 ID3 算法的优点，并在以下几方面对 ID3 算法进行了改进：

1）用信息增益率来选择属性，克服了用信息增益选择属性时偏向选择取值多的属性的不足；

2）在树构造过程中进行剪枝；

3）能够完成对联系属性的离散化处理；

4）能够对不完整数据进行处理。 C4.5 算法

优点：分类速度快，产生的分类规则容易理解，准确率高，能够处理连续属性。缺点：

1）在构造树的过程中，需要随数据集进行多次的顺序扫描和排序，因而导致算法的低效。

2） C4.5 算法容易导致过度拟合。

3） C4.5 只适合于能够驻留于内存的数据集，当训练集大得无法在内存容纳时程序无法运行。

6.知识拓展：[拓展知识点 1-3 点总结]

1，首先拿到数据的时候需要对数据进行一定的处理，判断是离散型

数据还是连续型数据，lris 是连续型数据，house-votes-84 是离散

型数据； 2，数据预处理工作，比如将非数值型数据转换成数值型，pandas 有提供比较完善的方法，可以学习相关的操作；

3，由于 house-votes-84 数据集默认没有各个特征名称，我在这里给了默认的 1-16 这样的特征名称。下面的这个链接是详细介绍该数据集的资料，可以把每个特征的含义作为特征名。 http://www.ugrad.stat.ubc.ca/R/library/mlbench/html/HouseVo

tes84.html

4，代码的运行环境是 python3.6 以上，还需要安装 numpy， pandas，matplotlib，fire==0.1.3 的包，如果是在 unix 的环境下直接在命令行通过 pip 来安装以上四个 python 包。详细可通过个人电脑的操作系统自行上网查询相关安装，不懂也可以随时咨询导师。

运行方法：直接命令行在该文件夹的目录路径下运行。

python decision_makingtree.py 属性名文件数据集文件

比如：

python decision_makingtree.py house_votes_84_attrs_name.txt house- votes-84.data.csv

7.学习建议：[根据学习 IT 的经验，写 1-3 点, prefer 3 个点]

1，在看懂原理之后最好自己手敲一遍，不懂的地方，自己慢慢调试。

2，多多复习。

作业解析-python决策树

作业解析-python决策树

目录

1. 作业题目……………………………………………………………….

作业辅导解析+1571