机器学习：决策树算法实验数据集，用于聚类和决策树分类。针对鸢尾花数据集的特征，包含sepal_length、sepal_width、petal_length和petal_width四个维度特征，一共有150条数据记录，划分为0，1，2三个种类。

graphviz-2.38，压缩包里面有两个版本，一个是msi版本，另外一个是zip版本，msi版本安装以下就可以了，zip版本解压后即可使用，不需要安装，

决策树可视化代码

配套专栏中机器学习决策树的泰坦尼克获救的预测数据集

这是我们的课程作业。程序主要的功能是对于录入的训练数据集，产生一棵决策树（用XML格式表示），然后当新的数据录入就可以根据决策树自动分类并输入到指定文件中。注意：本机一定要安装有JDK，不然的话会无法运行。

利用决策树求解回归问题，比较不同的depth下，决策树的效果

隐形眼镜数据集，机器学习实战决策树部分的数据集，3.4所需要的数据

决策树癌症预测 使用现有数据通过决策树进行学习来预测乳腺癌的示例（scikit-learn / python） 加工 收集的数据样本已分为测试样本和训练样本。 使用scikit的决策树生成器和转换集，可用于基于ID3生成树。 然后可以将测试数据用于交叉验证生成的树的准确性。 这个小程序还生成pdf，以可视化生成的树。 注意 该程序仅用于演示/实验目的。 以下是依赖项 python numpy scipy scikit-学习pydotplus graphviz 使用说明 安装python版本2.7 要安装上述软件包，请遵循以下命令 点安装numpy 点安装scipy 点安装scikit学

基于python逐步实现Decision Tree(决策树)，分为以下几块： 加载数据集 熵的计算 根据最佳分割feature进行数据分割 根据最大信息增益选择最佳分割feature 递归构建决策树 样本分类

针对单一的分类器用于旋转机械故障诊断时存在准确率不高的问题,提出一种基于随机森林算法的旋转机械齿轮组故障诊断方法。该方法利用随机森林多分类器组合决策树的思想,通过多分类器的组合学习提高故障诊断的准确率,并在风力涡轮动力传动系统故障诊断模拟器系统上进行了多工况多故障的实验验证。首先,收集多工况、多故障的齿轮传感器信号,提取传感器信号的时域特征作为随机森林的输入特征量。然后,利用构建好的随机森林模型进行齿轮组的故障诊断,并将随机森林算法的分类结果与支持向量机方法的分类结果进行对比。通过对故障诊断结果的分析,随机森林算法避免了复杂的寻参过程和传统分类器的过拟合现象,能够处理大规模数据集,通过分类器的组合,提高了故障诊断准确率,并缩短了分类模型的预测时间,具有较好的应用前景。