决策树

决策树模型通过构造树来解决分类问题。

首先利用训练数据集来构造一棵决策树，一旦树建立起来，它就可为未知样本产生一个分类。

在分类问题中使用决策树模型有很多的优点：
决策树便于使用，而且高效；
根据决策树可以很容易地构造出规则，而规则通常易于解释和理解；
决策树可很好地扩展到大型数据库中，同时它的大小独立于数据库的大小；
决策树可以对有许多属性的数据集构造决策树。

决策树模型也有一些缺点：
比如处理缺失数据时的困难，
过度拟合问题的出现，
以及忽略数据集中属性之间的相关性等。