决策树构建实操

教学目标：理解决策树从数据到模型的完整流程——如何选特征（划分选择）、如何递归生长（建树）、如何防止过拟合（剪枝）、如何处理真实数据的连续值与缺失值。
数据说明：虚拟西瓜数据集（4 个离散特征 + 连续特征「含糖率」+ 标签「好瓜/坏瓜」），标签由隐藏规则生成；也可以上传自己的 CSV（最后一列为标签）。
AI 知识点：信息熵与信息增益（ID3）、增益率（C4.5）、基尼指数（CART）、预剪枝与后剪枝、候选划分点二分、缺失样本的 ρ 加权。