决策树算法简介决策树(decision tree)是一种基本的分类与回归方法
决策树模型呈树形结构，在分类问题中，表示基于特征对实例进行分类的过程
它可以认为是if-then规则的集合，也可以认为是定义在特征空间与类空间上的条件概率分布
其主要优点是模型具有可读性，分类速度快
学习时，利用训练数据，根据损失函数最小化的原则建立决策树模型
预测时，对新的数据，利用决策树模型进行分类
决策树学习通常包括3个步骤：特征选择、决策树的生成和决策树的修剪
以上内容由大学时代综合整理自互联网，实际情况请以官方资料为准。
