此项目主要完成了以下任务

1.数据加载与预处理： 从Excel文件中读取数据。 将非数值型特征“工资”转换为数值型数据，以便于模型处理。

2.数据探索： 使用直方图对各个特征进行可视化，以了解数据的分布情况。

3.数据划分： 将数据划分为训练集和测试集，其中测试集占20%。

4.模型建立与训练： 使用决策树分类器（DecisionTreeClassifier）作为预测模型，并指定最大深度为3。 在训练集上训练模型。 5.模型评估： 在测试集上进行预测，并将预测结果与实际结果进行对比。 计算分类准确率、混淆矩阵、分类报告等评估指标。 绘制ROC曲线并计算AUC值，以评估模型的分类性能。 计算特征重要性，并通过柱状图进行可视化。

6.模型可视化： 使用Graphviz工具将决策树模型可视化为PDF文件。 修改可视化文件的字体设置，以正确显示中文，并保存为PNG和PDF格式。

7.模型优化： 通过网格搜索（GridSearchCV）对模型的多个参数进行调优，以提高模型性能。 输出最佳参数组合，并使用这些参数重新训练模型。 在测试集上评估优化后模型的性能，包括准确率和AUC值。