基于Breast Cancer dataset的决策树分类及可视化

Task description:

Use the decision tree for classification based on Breast cancer dataset available at https://www.kaggle.com/uciml/breast-cancer-wisconsin-data. 

基于Python的可视化参考：DT可视化工具graphviz，python接口工具为pydotplus，需要提前安装graphviz并添加PATH到环境变量中，之后利用pydotplus可视化sklearn中的DT结果。http://sklearn.apachecn.org/cn/0.19.0/modules/tree.html#tree-algorithms

Graphviz 不能通过 pip 直接安装，需要手动在官网下载并安装：https://graphviz.gitlab.io/about/并添加到环境变量。pydotplus可以通过pip安装。

 

1：首先需要获得Breast Cancer dataset数据集，在kaggle上获取该数据集需要FQ，该数据解压后为csv格式

2：使用pandas.read_csv()来读入数据，并查看数据的前五项条目

3：查看数据的具体信息，一共有32列（其中第二列diagnosis为标签，其他列为特征），569行，发现有一列为空列你并将其删除

4：将数据调整成sklearn能够传入的格式，即将特征值和标签分离，然后将训练和测试数据按照7：3的比例划分

5：sklearn模型运算分为三步：调用模型，训练模型，评价模型

     先使用默认参数对模型进行初步的训练，并使用cross_score对模型进行评估

6：使用网格搜索调整参数

 

7：将训练得到的最佳参数导入模型

8：利用graphviz对决策树进行可视化