额，这个吧，涉及到了机器学习的决策树，关于这两点，我就不详细介绍了，百度了解一下！

来，开始正题！

实战背景

眼科医生是如何判断患者需要佩戴隐形眼镜的类型的？

一旦理解了决策树的工作原理

我们甚至也可以帮助人们判断需要佩戴的镜片类型！

数据如下图所示：

可以使用已经写好的Python程序构建决策树，不过出于继续学习的目的，小编使用Sklearn来实现。

用Sklearn构建决策树

本次实战内容使用的是DecisionTreeClassifier和export_graphviz，前者用于决策树构建，后者用于决策树可视化。

参数说明如下：

除了这些参数要注意以外，其他在调参时的注意点有：

sklearn.tree.DecisionTreeClassifier()提供了一些方法供我们使用，如下图所示：

了解到这些，我们就可以编写代码了：

运行结果：

为了对string类型的数据序列化，需要先生成pandas数据，这样方便我们的序列化工作。这里我使用的方法是，原始数据->字典->pandas数据。

编写代码如下：

从运行结果可以看出，顺利生成pandas数据。

接下来，将数据序列化，编写代码如下：

从打印结果可以看到，我们已经将数据顺利序列化，接下来。我们就可以fit()数据，构建决策树了。

使用Graphviz可视化决策树

安装Pydotplus

pydotplus可以在CMD窗口中，直接使用指令安装：pip3 install pydotplus

安装Graphviz

添加好环境变量之后，我们就可以正常使用Graphviz了。

开始编写代码

Talk is Cheap, show me the code.(废话少说，放码过来)。可视化部分的代码不难，都是有套路的，直接填参数就好，详细内容可以查看官方教程。

运行代码，在该python文件保存的相同目录下，会生成一个名为tree的PDF文件，打开文件，我们就可以看到决策树的可视化效果图了。

来总结一下吧

决策树的优点：

决策树的缺点：

今天就到这结束了，小伙伴们有什么疑问的话都可以问我~