【机器学习基础】系列博客为参考周志华老师的《机器学习》一书，自己所做的读书笔记。
本文为原创文章，未经本人允许，禁止转载。转载请注明出处。
1.初识决策树
决策树（decision tree），亦称判定树，是一类常见的机器学习方法。
顾名思义，决策树是基于树结构来进行决策的。例如，判断一个西瓜是否为好瓜：
一般的，一棵决策树包含一个根结点、若干个内部结点和若干个叶结点。其中，叶结点对应于决策结果，其他每个结点则对应于一个属性测试。每个结点包含的样本集合根据属性测试的结果被划分到子结点中，根结点包含样本全集。
决策树学习的目的是为了产生一棵泛化能力强，即处理未见示例能力强的决策树，其基本流程见下：
显然，决策树的生成是一个递归过程。在决策树基本算法中，有三种情形会导致递归返回：
- 当前结点包含的样本全属于同一类别，无需划分。
- 当前属性集为空，或是所有样本在所有属性上取值相同，无法划分。
- 当前结点包含的样本集合为空，不能划分。
在第(2)种情形下，我们把当前结点标记为叶结点，并将其类别设定为该结点所含样本最多的类别。
在第(3)种情形下，同样把当前结点标记为叶结点，但将其类别设定为其父结点所含样本最多的类别。
⚠️注意情形(2)和情形(3)处理方式的不同。
