决策树案例一 例4.3和例4.4

机器学习4.3,4.4.zip

1. 进入算盘-应用开发，点击导入-选择下载好的流程包完成导入。

2. 进入项目，点击运行-调试，等待项目开始运行。
3. 选中机器学习组件，在参数设置面板中，点击配置-新窗口打开。
4. 在组件列表-数据集中拖出文件上传，在参数设置面板中，上传西瓜数据集。

watermelon.csv

5. 在组件列表-特征工程中拖出标签编码，在参数设置面板-目标字段输入框输入“色泽,根蒂,敲声,纹理,脐部,触感,好瓜”，以将非数字数据转换为数字。

6. 在组件列表-数据预处理中拖出拆分训练集，在参数设置面板中设置训练集比例为0.8，用于构建分类器模型，其余数据将用作待预测数据。

7. 在组件列表-算法模型-分类中拖出决策树分类，在参数设置面板中设置特征字段为“色泽,根蒂,敲声,纹理,脐部,触感,密度,含糖率”，设置标签字段为“好瓜”，设置分裂准则为“entropy”，实现例4.3的要求。

8. 在组件列表-算法模型-分类中拖出决策树分类，在参数设置面板中设置特征字段为“色泽,根蒂,敲声,纹理,脐部,触感,密度,含糖率”，设置标签字段为“好瓜”，设置分裂准则为“gini”，实现例4.4的未剪枝决策树。

9. 在组件列表-算法模型-分类中拖出决策树分类，在参数设置面板中设置特征字段为“色泽,根蒂,敲声,纹理,脐部,触感,密度,含糖率”，设置标签字段为“好瓜”，设置分裂准则为“gini”，设置最大树深度为5，最大叶节点数为3，实现例4.4的剪枝决策树。

10. 各组件接线如下图所示

11. 点击部署。分别右键三个决策树分类，单击结果数据二-预览即可显示预测数据结果。