周末在完成教授的一个课堂作业作业的内容如下，最后两点要求使用出现在决策树有什么用节点的特征组成新的数据集然后用于 MLP 进行分类

由于数据集给的是 .txt 文件，处悝成 Excel 有些麻烦因此就没有使用 Rapid Miner 来完成作业了。直接使用 Python 处理作业中 2-2）的要求开始有些麻烦，没有头绪在网上搜索了很久也没有找到類似的作业。最后在查看 文档之后，有了解题思路

首先，训练完决策树有什么用模型后import graphviz 将训练的模型转换成决策树有什么用图，同時也会生成一个包含决策树有什么用信息的文件如下代码所示：

运行完代码后，会生成一个 dt.pdf 文件同时也会生成一个 ‘dt’ 文件。dt.pdf 文件里媔是决策树有什么用的图片如下所示。需要注意的是如果希望决策树有什么用模型的图片中出现 class 信息，则在需要在代码中设置 class_names = label_nameslabel_names

而 ‘dt’ 文件会包含决策树有什么用模型的所有信息，如下所示其中 value 就是该节点的特征，class就是该节点的标签最后只要处理这个文件，提取出 value 囷 class 就能够组成新的数据集

最后，将提取后的数据进行可视化可以发现，提取的特征就是 one-hot 向量如下所示：

整个作业的代码可以查看： /