本文共 325 字，大约阅读时间需要 1 分钟。

决策树：决策树是一个树形结构，每个非叶节点表示一个特征树形的测试，每个分支代表这个特征属性在某个值域上的输出，而叶节点存放一个类别。

使用决策树进行决策的原理就是：

从根节点开始，基于特定（可能最好或最坏）的属性值划分测试数据，并根据期望（最好或最坏）选择输出分支，这里期望的判断，一般采用计算香农熵划分。划分后数据根据划分结果存储在子叶的节点上。（说明：输出节点多少根据期望决定，例如判断是否，则分支2个；如果期望好，一般，坏，则子节点3个等等）。然后下一节点可再根据属性值划分数据，依次递归。

递归结束的条件主要概况为：程序遍历完所有测试数据，或者每个分支下的所有结果都有相同的分类。

应用场景：

决策树是一种分类算法，一般用于决策、分类等情况。