《决策树》（一）准备工作

决策树（Decision Tree）是一种直观且易于理解的机器学习算法，它可以处理分类和回归问题。

1. 分类问题是一种离散型输出的预测任务，模型需要预测输入数据属于哪个类别，例如：垃圾邮件预测
2. 回归问题是一种连续型输出的预测任务，模型需要预测一个连续值，例如：房价预测

课程学习目标：

• 分类决策树如何构建
• 回归决策树如何构建
• 决策树过拟合方法
• 决策树 API 使用

授课环境：win11 + pycharm 2021.1.3 + python 3.8.19

1. 创建虚拟环境 dt-env：

conda create --name dt-env python=3.8

2. 安装课程需要的依赖包：

conda install scikit-learn==1.3.0
conda install matplotlib==3.7.2
conda install pandas==2.0.3

3. 创建 Python 项目：决策树学习，并配置该项目的环境为 dt-env。

4. 最后，将课程数据集导入到项目中。