22 决策树

## 1.使用决策树的场景 在应用决策树算法之前，必须满足以下要求： （1）决策树算法是典型的有监督学习，因此需要预分类目标变量。必须提供一个训练数据集，该数据集为算法提供目标变量的值。 （2）训练数据集应当是丰富多样的，为算法提供涉及不同方面的记录类型，以适应未来的分类需求。以决策树学习为例，如果示例记录缺乏系统定义的子集，那么对这个子集进行分类和预测将会存在问题。 （3）目标属性类必须是离散的。也就是说，决策树分析不适用于目标变量为连续型值的情况。当然，目标变量的值必须能明确界定属于或不属于某个特定的类。   如何衡量一致性，或者反过来，如何衡量异构性？我们将介绍测量叶节点纯度的许多方法，这产生了以下两个常用的构建决策树的算法：
- 分类和回归树（Classification And Regression Trees，CART）算法 - C4.5算法
## 2.CART(Classification And Regression Trees 分类和回归树)
  CART产生的决策树是严格的二叉树

22 决策树最先出现在Python成神之路。