英文名字： Decision Tree
決策樹是一種典型的分類方法，首先對數(shù)據(jù)進行處理，利用歸納算法生成可讀的規(guī)則和決策樹，然后使用決策對新數(shù)據(jù)進行分析。本質(zhì)上決策樹是通過一系列規(guī)則對數(shù)據(jù)進行分類的過程。
決策樹是一個監(jiān)督式學習方法，主要用于分類和回歸。 算法的目標是通過推斷數(shù)據(jù)特征，學習決策規(guī)則從而創(chuàng)建一個預測目標變量的模型。
決策樹類似if-else結(jié)構(gòu)，它的結(jié)果就是你要生成這樣一個可以從樹根開始不斷判斷選擇到葉子節(jié)點的樹。 但是這里的if-else判斷條件不是人工設(shè)置，而是計算機根據(jù)我們提供的算法自動生成的。
決策樹組成元素
決策點
是對幾種可能方案的選擇，即最后選擇的最佳方案。如果決策屬于多級決策，則決策樹的中間可以有多個決策點，以決策樹根部的決策點為最終決策方案。
狀態(tài)節(jié)點
代表備選方案的經(jīng)濟效果（期望值），通過各狀態(tài)節(jié)點的經(jīng)濟效果的對比，按照一定的決策標準就可以選出最佳方案。由狀態(tài)節(jié)點引出的分支稱為概率枝，概率枝的數(shù)目表示可能出現(xiàn)的自然狀態(tài)數(shù)目每個分枝上要注明該狀態(tài)出現(xiàn)的概率。
結(jié)果節(jié)點
將每個方案在各種自然狀態(tài)下取得的損益值標注于結(jié)果節(jié)點的右端
決策樹組優(yōu)缺點
決策樹優(yōu)勢
簡單易懂，原理清晰，決策樹可以實現(xiàn)可視化
推理過程容易理解，決策推理過程可以表示成if-else形式
推理過程完全依賴于屬性變量的取值特點
可自動忽略目標變量沒有貢獻的屬性變量，也為判斷屬性變量的重要性，減少變量的數(shù)目提供參考
