决策树ID3算法Python按步骤实现

    本文中的决策树为手动计算熵、选择最大信息增益分支的实现过程，仅供参考以清晰了解决策树的思想，具体计算过程复杂，不推荐使用。可直接使用sklearn的DecisionTreeClassifier实现，具体请参考文章决策树的上机实现。

案例1：

先导入数据

1）导入数据

2）把文本数据转化成数字型

3）转为list

数据链接：http://pan.baidu.com/s/1c2db8gK 密码：mu7k

程序链接：http://pan.baidu.com/s/1c22Kj3i 密码：6jxk

也可以使用以下数据测试：

决策树按模块的算法

1）定义熵

2）定义数据切分函数

3）寻找最好分裂变量

4）定义多数投票法

5）创建树

6）创建展示树的程序

6-1获取树的节点数

6-1获取树的深度

6-3展示数据

a定义文本框

7创建树

8展示树

案例2：在jupyter实现的另一种思路

1、定义计算熵公式

2、定义计算信息增益公式

3、找到最大的信息增益变量

4、用id3算法计算