一.使用决策树预测隐形眼镜类型
這里实现一个例子即利用决策树预测一个患者需要佩戴的隐形眼镜类型。以下是整个预测的大体步骤：
-
收集数据：使用书中提供的小型數据集
-
准备数据：对文本中的数据进行预处理如解析数据行
-
分析数据：快速检查数据，并使用
createPlot()函数绘制最终的树形图 -
测试决策树：编写簡单的测试函数验证决策树的输出结果&绘图结果
-
使用决策树：这部分可选择将训练好的决策树进行存储以便随时使用
以下代码实现了决筞树预测隐形眼镜模型的实例，使用的数据集是隐形眼镜数据集它包含很多患者的眼部状况的观察条件以及医生推荐的隐形眼镜类型，其中隐形眼镜类型包括：硬材质(hard)、软材质(soft)和不适合佩戴隐形眼镜(no
lenses) 数据来源于UCI数据库。数据集包含下面几个特征：age（年龄）, prescript（近视还是远視）, astigmatic（散光）, tearRate（眼泪清除率）代码最后调用了之前准备好的createPlot()函数绘制树形图。
二.关于本章使用的决策树的总结
以上代码的实现基于ID3决策樹构造算法它是一个非常经典的算法，然而实际上决策树的使用中常常会遇到一个问题即“过度匹配”。有时候过多的分支选择或匹配选项会给决策带来负面的效果。为了减少过度匹配的问题通常算法设计者会在一些实际情况中选择“剪枝”。简单说来如果叶子節点只能增加少许信息，则可以删除该节点
