决策树是最经常使用的数据挖掘算法
基本概念
决策树（Decision Tree）
- 它通过对训练样本的学习，并建立分类规则，然后依据分类规则，对新样本数据进行分类预测，属于有监督学习。
优点
1）决策树易于理解和实现
- 使用者不需要了解很多的背景知识，通过决策树就能够直观形象的了解分类规则；
2）决策树能够同时处理数值型和非数值型数据
- 在相对短的时间内，能够对大型数据做出可行且效果良好的结果；
逻辑－类比找对象
决策树分类的思想类似于找对象，例如一个女孩的母亲要给这个女孩介绍男朋友，于是母女俩有了下面的对话：
女儿问：“多大年龄了”；母亲答：“26”
女儿接着问：“长得帅不帅？”；母亲答：“挺帅的。”
女儿问：“收入高不？”；母亲答：“不算很高，中等情况”
女儿问：“是公务员吗？”；母亲答：“是，在财政局上班”
最后，女儿做出决定说：“那好，我去见见！”
这个女孩的决策过程就是典型的分类树决策:
