「 決策樹又稱為判定樹，是運用於分類的一種樹結構。其中的每個內部結點代表對某個屬性的一次測試，每條邊代表乙個測試結果，葉結點代表某個類或者類的分布，最上面的結點是根結點。通俗點來講決策樹可以用來回答yes和no問題，它通過樹形結構將各種情況組合都表示出來，每個分支表示一次選擇即yes和no，直到所有選擇都進行完畢，最終給出正確答案。
本章主要引入鳶尾花的特徵資料，通過決策樹演算法去實現資料集的分類。
」關鍵點在於怎樣建立一顆二叉樹，主要分為建樹、剪枝兩個部分：
決策樹建樹演算法可見下面**，可以看出，決策樹分類是乙個遞迴的過程，最終則會得到一棵樹；剪枝則目的是降低由於訓練集存在雜訊而產生的起伏。
使用決策樹進行分類則分為兩步：
0 1
第1步：利用訓練集建立並精化一棵決策樹，建立決策樹模型。這個過程實際上是乙個從資料中獲取知識，進行機器學習的過程。
02 第2步：利用生成完畢的決策樹對輸入資料進行分類。對輸入的記錄，從根結點依次測試記錄的屬性值，直到到達某個葉結點，從而找到該記錄所在的類。
將選擇好的元資料讀入dataframe，做好資料分析前的準備。
第三步，選擇特徵，並進行資料分組
其中，首先把我們的標籤列label以及特徵列feature進行索引值的重新命名，並把**的類別轉換為字元型的，存入labelconverter。
接下來，把資料分為測試集和**集兩部分，比例為0.7：0.3
第四步， 構建決策樹分類模型
匯入構建決策樹模型所需要的包工具：
設定決策樹模型的引數，具體引數可通過explainparams()方法來實現。
將setstages方法傳入pipeline，並使用決策樹模型進行測試集訓練：
進行資料**：
檢視**結果：
「 通過上述四個步驟，便實現了通過特徵資料對鳶尾花的品種**，很明顯的可以看到，實驗的**結果和原有資料完全一致，在**類別少的情況下決策樹分類可以取得良好的效果，當然通過決策樹模型也可以實現其他簡單類別的資料**，只需修改實驗資料。
」 往期回顧：
大資料小白入門——四行**完成詞頻統計
大資料小白入門——「推薦引擎」大資料分析
大資料小白入門——tf-idf演算法應用
樹形資料轉換
測試資料 create table project id int,name nvarchar 20 parent id int insert project select 1,所有專案 null union all select 2,專案1 1 union all select 3,專案2 1 cr...
樹形資料轉換
測試資料 create table project id int,name nvarchar 20 parent id int insert project select 1,所有專案 null union all select 2,專案1 1 union all select 3,專案2 1 cr...
樹形資料轉換
測試資料 create table project id int,name nvarchar 20 parent id int insert project select 1,所有專案 null union all select 2,專案1 1 union all select 3,專案2 1 cr...