本教程的目的是介绍如何在RapidMiner中创建基本决策树。
在本教程中，我将使用“ Iris”默认数据集。
可下载资源
1）访问此数据集，请单击“进程”选项卡，然后转到存储库并单击显示数据的存储库，然后打开下拉菜单以查看数据集“Iris”，如下图所示。
2）单击并将数据集拖到主流程窗口中。数据集的对象在窗口中应该出现一行线。将那条线连接到窗口角落的凹凸处，然后在屏幕顶部单击运行，我们可以进入结果选项卡查看此数据集的结构。
3）在下面，我们可以看到创建决策树的数据的结构。有四个属性是数字数据类型，一个属性是标称标签。
4）单击所需的选项卡，返回到主流程窗口。将决策树图标拖到主流程窗口中单击运行，Rapid Miner将自动带到输出。
5）以下是使用决策树的默认参数，此决策树的结果输出。
Python个人收入影响因素模型构建：回归、决策树、梯度提升、岭回归
SPSS、Python员工满意度问卷调查激励保健理论研究：决策树、随机森林和AdaBoost|附代码数据
Python预测体重变化：决策树、tf神经网络、随机森林、梯度提升树、线性回归可视化分析吸烟与健康调查数据
Python对历年高考分数线数据用聚类、决策树可视化分析一批、二批高校专业、位次、计划人数数据|附代码数据
