決策樹演算法

　　決策樹 (Decision Tree) 屬於機器學習中的監督式學習，用於做分類的問題。將資料輸入樹狀結構從樹根向下展開，由上到下走訪節點，每個節點放入條件判斷，根據條件判斷決定要走往的分支，最後會走到一個葉節點，該節點不能往下走，該節點就是該輸入所屬分類。

二、案例說明

　　使用 Google 的 Colaboratory (簡稱 Colab) 在瀏覽器中編寫執行 Python 的程式碼，藉由決策樹演算法模擬分析寶可夢資料集。於是需要手動匯入寶可夢資料集進行資料分析與處理，將資料集分為訓練資料與測試資料，從資料集的欄位分別選擇當作特徵與分類結果來建立決策樹的分類模型，藉此產生圖表顯示決策樹的樹狀結構，了解每個節點的條件判斷。

三、如何使用

　　請從範例檔案開啟並下載兩個檔案，其一是本案例的專案檔；其二是寶可夢資料集 (Pokemon_894_12.csv) 的原始資料。接下來，請開啟 Google Colab，點擊「檔案」，再點選「上傳筆記本」的方式，將本案例的專案檔進行上傳即可檢視程式碼與文字說明。在執行程式時，請從頭至尾依序執行程式區塊，方可顯示執行結果。另外，執行 [2-0] 程式區塊時，需要手動上傳寶可夢資料集，才可執行後續的步驟。