本文實例為大家分享了python實現決策樹分類算法的具體代碼，供大家參考，具體內容如下

1、概述

決策樹（decision tree）——是一種被廣泛使用的分類算法。

相比貝葉斯算法，決策樹的優勢在于構造過程不需要任何領域知識或參數設置

在實際應用中，對于探測式的知識發現，決策樹更加適用。

2、算法思想

通俗來說，決策樹分類的思想類似于找對象。現想象一個女孩的母親要給這個女孩介紹男朋友，于是有了下面的對話：

      女兒：多大年紀了？

      母親：26。

      女兒：長的帥不帥？

      母親：挺帥的。

      女兒：收入高不？

      母親：不算很高，中等情況。

      女兒：是公務員不？

      母親：是，在稅務局上班呢。

      女兒：那好，我去見見。 

這個女孩的決策過程就是典型的分類樹決策。

實質：通過年齡、長相、收入和是否公務員對將男人分為兩個類別：見和不見

假設這個女孩對男人的要求是：30歲以下、長相中等以上并且是高收入者或中等以上收入的公務員，那么這個可以用下圖表示女孩的決策邏輯

上圖完整表達了這個女孩決定是否見一個約會對象的策略，其中：

◊綠色節點表示判斷條件

◊橙色節點表示決策結果

◊箭頭表示在一個判斷條件在不同情況下的決策路徑

圖中紅色箭頭表示了上面例子中女孩的決策過程。 

這幅圖基本可以算是一顆決策樹，說它“基本可以算”是因為圖中的判定條件沒有量化，如收入高中低等等，還不能算是嚴格意義上的決策樹，如果將所有條件量化，則就變成真正的決策樹了。 

決策樹分類算法的關鍵就是根據“先驗數據”構造一棵最佳的決策樹，用以預測未知數據的類別 

決策樹：是一個樹結構（可以是二叉樹或非二叉樹）。其每個非葉節點表示一個特征屬性上的測試，每個分支代表這個特征屬性在某個值域上的輸出，而每個葉節點存放一個類別。使用決策樹進行決策的過程就是從根節點開始，測試待分類項中相應的特征屬性，并按照其值選擇輸出分支，直到到達葉子節點，將葉子節點存放的類別作為決策結果。

3、決策樹構造

假如有以下判斷蘋果好壞的數據樣本：

樣本    紅     大      好蘋果