出两个或多个事件，导致不同的结果，把这种决策分支画成图形很像一棵树的枝干，
故称决策树。
选择分割的方法有好几种，但是目的都是一致的：对目标类尝试进行最佳的分割。
从根到叶子节点都有一条路径，这条路径就是一条“规则”。
决策树可以是二叉的，也可以是多叉的。
对每个节点的衡量：
1) 通过该节点的记录数
2) 如果是叶子节点的话，分类的路径
3) 对叶子节点正确分类的比例。
有些规则的效果可以比其它的一些规则要好。
决策树对于常规统计方法的优缺点
优点：
1) 可以生成可以理解的规则。
2) 计算量相对来说不是很大。
3) 可以处理连续和种类字段。
4) 决策树可以清晰的显示哪些字段比较重要
缺点：
1) 对连续性的字段比较难预测。
2) 对有时间顺序的数据，需要很多预处理的工作。
3) 当类别太多时，错误可能就会增加的比较快。
4) 一般的算法分类的时候，只是根据一个字段来分类。
这篇文章对您或您的朋友有帮助吗？您可以【推荐给好友】或者【加入收藏】
