C4.5决策树算法应用于莺尾花分类的详细解析

此项目旨在运用C4.5决策树算法实现对莺尾花的精准分类。鉴于花萼长度、花萼宽度、花瓣长度、花瓣宽度为连续变量，必须进行离散化处理。利用Gini Index进行离散化时，考虑到分类需分为三类，通过数据可视化揭示，三种花在四个属性上呈现显著的差异。因此，对花萼长度、花萼宽度、花瓣长度、花瓣宽度这四个属性采用两个分界点，使其划分为三类。通过调整决策树的最大深度，得到了不同深度下的训练集和测试集准确率。具体而言，最大深度为2时，训练集准确率达到0.964，测试集准确率为0.895；最大深度为3时，训练集准确率升至0.982，测试集准确率为0.974；最大深度为4时，训练集准确率达到1.000，测试集准确率维持在0.974。