本節講解如何預測患者需要佩戴的隱形眼鏡型別。

1、使用決策樹預測隱形眼鏡型別的一般流程

（1）收集資料：提供的文字檔案（資料來源於UCI資料庫）

（2）準備資料：解析tab鍵分隔的資料行

（3）分析資料：快速檢查資料，確保正確地解析資料內容，使用createPlot()函式繪製最終的樹形圖

（4）訓練演算法：createTree()函式

（5）測試演算法：編寫測試函式驗證決策樹可以正確分類給定的資料例項

（6）使用演算法：儲存數的資料結構，以使下次使用時無需重新構造樹

trees.py如下：

treePlotter.py如下：

12 createPlot.ax1.annotate(nodeTxt,xy=parentPt,xycoords='axes fraction',xytext=centerPt,textcoords='axes fraction',va="center",ha="center",bbox=nodeType,arrowprops=arrow_args)

13 def createPlot():

lenses.txt如下：

執行如下：

由圖看出決策樹非常好地匹配了實驗資料，然而這些匹配選項可能太多。我們將這種問題稱之為過度匹配（overfitting）。為了減少過度匹配問題，我們可以裁剪決策樹，去掉一些不必要的葉子節點。如果葉子節點只能增加少許資訊，則可以刪除該節點，將它併入到其他葉子節點中。