实验10决策树

一、实验目的
（1）理解并熟悉决策树算法思想和原理；
（2）熟悉决策树算法的数学推导过程；
（3）能运用决策树算法解决实际问题并体会算法的效果；
（4）熟悉sklearn与决策树算法相关的机器学习开源库，并使用开源库，对乳腺肿瘤数据进行分类。
二、实验内容
1、使用Python开发工具，运行对iris数据进行分类的例子程序dtree.py，熟悉sklearn机器实习开源库。
使用pycharm运行：
运行结果：

2、登录https://archive-beta.ics.uci.edu/，界面如下：

可以查看提供的各类公共数据源，找到Breast Cancer Wisconsin (Original)数据并下载。也可以直接输入网址:
https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/
下载wisconsin提供的乳腺肿瘤数breast-cancer-wisconsin.data（已经处理好的数据）和breast-cancer-wisconsin.names（对数据的说明，可以用写字体打开）
数据如下：

3、使用sklearn机器学习开源库，使用决策树对breast-cancer-wisconsin.data进行分类。
代码：

运行结果：

4、（选做）用java实现决策树ID3算法，并对上述数据进行分类。

三、实验体会与总结
通过本次决策树算法的实验，掌握了决策树的基本原理和构建过程，在解决乳腺肿瘤数据分类的实际问题中，利用sklearn库高效地构建了决策树模型，从sklearn库导入的多个模块和函数。这些代码被用于处理肿瘤学数据集，并使用交叉验证来评估模型性能，并通过调整参数优化了模型性能。