ID3决策树+随机森林算法生成决策森林，采用投票机制进行决策；有训练数据aaa和测试数据bbb；非常适合机器学习的初学者-The ID3 the+ random forest algorithm to generate decision forests voting mechanism for decision-making training data the the aaa and test data bbb ideal for

C4.5 算法是机器学习算法中的一种分类决策树算法,其核心算法是ID3算法. C4.5算法继承了ID3算法的优点，并在以下几方面对ID3算法进行了改进： 1) 用信息增益率来选择属性，克服了用信息增益选择属性时偏向选择取值多的属性的不足； 2) 在树构造过程中进行剪枝； 3) 能够完成对连续属性的离散化处理； 4) 能够对不完整数据进行处理。 C4.5算法有如下优点：产生的分类规则易于理解，准确率较高

使用决策树对存储器进行分类并预测隐形眼镜类型(The classification of memory and prediction of contact lens type using decision tree)

覆盖了基本常用的机器学习算法。包括线性回归与分类算法；决策树；多种降维算法；优化算法；强化学习等多类算法的Python代码。(It covers the commonly used machine learning algorithms. Including linear regression and classification algorithm; decision tree; a variety of dimensionality