决策树算法可视化

作者 anonymous累计访问 80近 7 日访问 1

// preview

// description

用可调参数和动态图形直观观察决策树从数据到分类结果的完整过程

这是一款交互式决策树算法可视化工具。页面提供鸢尾花、泰坦尼克号和天气打球预设数据，也允许粘贴 CSV 格式的自定义数据并选择目标特征列。用户可以设置最大深度、最小样本分割数、分裂准则和测试集比例，然后构建决策树。生成结果以树状节点展示分裂特征、阈值、样本数量与类别分布，同时给出准确率、节点数、树深度、混淆矩阵和特征重要性。页面还提供单条数据预测区，适合用来理解分类路径、比较参数设置和演示模型评估方法。

核心亮点

多种示例数据

提供三类预设数据集

树结构可视化

显示阈值与类别分布

训练参数可调

比较准则与深度设置

模型指标齐全

展示准确率和混淆矩阵

如何使用

选择或载入数据
先从鸢尾花、泰坦尼克号或天气打球中选择预设数据集，也可以在手动输入区域粘贴 CSV 数据并点击加载数据；页面会显示字段、目标特征列及前十条数据预览。
配置训练参数
根据实验目的设置最大深度、最小样本分割数、基尼系数或信息熵，以及测试集比例；参数值会直接用于下一次决策树构建。
构建并浏览树图
点击构建决策树后，中央区域会生成包含分裂条件、样本量和类别分布的树状图；可以使用缩放、复位、展开全部与折叠全部控件查看不同层级。
查看评估与预测
在性能指标区域查看准确率、节点数、深度、混淆矩阵和特征重要性；如需验证单条样本，可填写各特征值并点击预测获取分类结果。