监督学习：决策树

决策树是广泛用于分类和回归任务的模型。本质上，它从一层层的if/else 问题中进行学 习，并得出结论。学习决策树，就是学习一系列 if/else 问题，使我们能够以最快的速度得到正确答案。在机器 学习中，这些问题叫作测试（不要与测试集弄混，测试集是用来测试模型泛化性能的数据）或者你可以将每个测 试看成沿着一条轴对当前数据进行划分。这是一种将算法看作分层划分的观点。由于每个 测试仅关注一个特征，所

>>阅读原文<<