4.1.1　决策树

假如我买了一个西瓜，它的特点是纹理清晰、根蒂硬挺，需要你来判断一下这个瓜是好瓜还是坏瓜，这就构建了一个决策树。

决策树是通过一系列规则对数据进行分类的过程。它提供一种在什么条件下会得到什么值的类似规则的方法。决策树分为分类树和回归树两种，分类树适用于离散变量，回归树适用于连续变量。具体原理在第10章中详细阐述，这里不再赘述。

决策树优点：

·速度快；

·挖掘出来的分类规则准确性高，便于理解，且可以清晰地显示哪些字段比较重要，即可以生成理解的规则；

·不需要任何领域知识和参数假设；

·适合高维数据。

决策树缺点：

·容易过拟合；

·容易忽略属性之间的相关性。