處理資料物件:離散型資料
資訊計算方式：熵
資料集：西瓜資料集2.0共17條資料
訓練集（用來建立決策樹）：西瓜資料集2.0中的第1,2,3,6,7,10,14,15,16,17,4
請注意，書上說是10條，其實是上面列出的11條。
驗證集（用來對決策樹剪枝）：西瓜資料集2.0中的5,8,9,11,12,13

注意：
上述訓練集和驗證集由書上特指，
不可自己隨意更改建造決策樹的訓練集或剪枝用的驗證集，否則出不來書上的效果

詳細的程式碼解釋可以直接看程式碼中的註釋，本文不再贅述。
程式碼連結是：
https://github.com/appleyuchi/Decision_Tree_Prune/tree/master/ID3-REP剪枝-Python-視覺化

效果如下：
未剪枝書上效果（周志華《機器學習》第81頁）：

程式碼執行效果（mode=prev）

預剪枝書上效果（周志華《機器學習》第81頁）：

程式碼執行效果（mode=prev）：

後剪枝書上效果（周志華《機器學習》第83頁）

程式碼執行結果（mode=post）

以上後剪枝型別為REP（Reduced Error Pruning）,
後剪枝的目的：
提高對驗證集的accuracy以及precision
執行程式碼可知：
剪枝前：accuracy=0.33
剪枝後：accuracy=0.66