决策树的可视化解读

浏览过网上的其他帖子，发现大多都是进行环境的配置，并没有对结果进行分析。故写此文（其他文章写过的内容，我就不赘述了）。

环境：Python 3.6
源代码：https://gitee.com/zhyantao/DeepLearning/tree/master/DecisionTree

使用工具Graphviz可视化决策树后，可以得到如下所示的一个PDF文件：

与之对应的CSV表格如下所示：

解析

• 对于①，可以发现在csv文件中，有4个age=middle_aged并且标记buy=1，故samples=4, value[不买=0，买=4]
• 对于②，除了上面的4个，还剩下10个，在这10个中，credit_rating=excellent的一共有5个，有3个买，剩下的2个不买。故②处的samples=3,value=[不买=0, 买=3]

注意：

1. 信息熵（entropy）作为不确定性的度量，其值越大，代表不确定性越强。因此当entropy=0时，结果时一个确定的值。
2. 对于决策树，通过 sklearn 自带的方法，确定了age作为根节点