Task description:
Use the decision tree for classification based on Breast cancer dataset available at https://www.kaggle.com/uciml/breast-cancer-wisconsin-data.
基於Python的可視化參考：DT可視化工具graphviz，python接口工具為pydotplus，需要提前安裝graphviz並添加PATH到環境變量中，之后利用pydotplus可視化sklearn中的DT結果。http://sklearn.apachecn.org/cn/0.19.0/modules/tree.html#tree-algorithms
Graphviz 不能通過 pip 直接安裝，需要手動在官網下載並安裝：https://graphviz.gitlab.io/about/並添加到環境變量。pydotplus可以通過pip安裝。
1：首先需要獲得Breast Cancer dataset數據集，在kaggle上獲取該數據集需要翻牆，該數據解壓后為csv格式
2：使用pandas.read_csv()來讀入數據，並查看數據的前五項條目
3：查看數據的具體信息，一共有32列（其中第二列diagnosis為標簽，其他列為特征），569行，發現有一列為空列你並將其刪除
4：將數據調整成sklearn能夠傳入的格式，即將特征值和標簽分離，然后將訓練和測試數據按照7：3的比例划分
5：sklearn模型運算分為三步：調用模型，訓練模型，評價模型
先使用默認參數對模型進行初步的訓練，並使用cross_score對模型進行評估
6：使用網格搜索調整參數
7：將訓練得到的最佳參數導入模型
8：利用graphviz對決策樹進行可視化
