时间：第14周
&关于计划：
决策树的学习--使用ID3算法：
（1）数据处理部分：
计算香农熵；
划分数据集合；
选择最好的数据集划分方式；
构建决策树；
（2）Matplotlib绘图部分：
基本节点绘制函数；
构造注解树、使用决策树执行分类；
（本文内容参考于《机器学习实战》）
&内容摘要：
1.计算香农熵以及准备数据集：
图片发自简书App
测试代码：
（1）计算准备好的数据集的香农熵；
（2）新增一个键值（maybe），计算香农熵，观察其变化（熵越高，则混合的数据也越多）；
图片发自简书App
2.首先，关于append函数跟extend函数的区别：
图片发自简书App
接着，定义函数，按照给定特征划分数据集：
图片发自简书App
测试：
图片发自简书App
图片发自简书App
3.选择最好的数据集划分方式：
代码：
测试：
代码运行结果告诉我们，第0个特征是最好的用于划分数据集的特征
4.绘制树节点的函数设计：
图片发自简书App
图片发自简书App
