決策樹算法及Python 代碼示例

決策樹是一種基于樹形結構的算法，用于在一系列決策和結果之間建立模型。它通過對特征和目標變量之間的關系進行劃分，來預測目標變量的值。

決策樹算法示例:

假設我們有一組數據，其中包含天氣，溫度，濕度和是否出門的特征，以及是否鍛煉的目標變量。

我們可以使用決策樹算法來建立一個模型，預測一個人是否會鍛煉，根據他們的天氣，溫度，濕度和是否出門的信息。

例如，首先我們將天氣作為第一個特征，如果天氣是晴朗的，我們將數據劃分到一個子節(jié)點中，如果是陰天，我們將其劃分到另一個子節(jié)點中。對于每個子節(jié)點，我們繼續(xù)使用其他特征進行劃分，直到我們得到一個預測值。

下面是一個簡單的決策樹算法的 Python 代碼示例：

　　from sklearn import tree

　　# 創(chuàng)建決策樹分類器

　　clf = tree.DecisionTreeClassifier()

　　# 訓練模型

　　clf = clf.fit(X_train, y_train)

　　# 使用模型進行預測

　　y_pred = clf.predict(X_test)

　　# 計算準確率

　　accuracy = accuracy_score(y_test, y_pred)

　　print(“Accuracy: {:.2f}%”.format(accuracy * 100))

其中，X_train 和 y_train 是訓練數據，X_test 和 y_test 是測試數據。根據實際數據和需求，可以使用不同的參數來調整模型的表現。