Why
据说，平均每个成年人每天做出大约35000个选择(依据：Ref. 3)。
这些决定中有许多是有意识的，有些是无意识的，有些是自动化的，基于你在整个人生中形成的条件反射和习惯。这些决定可以从无意义的选择，比如早上穿哪只袜子，到改变生活的选择……比如，开始一段关系，离开一段关系，开始做生意，或者做出一个决定，去做一些你知道会为你改变一切的事情。
萧伯纳曾经说过：
生活不是寻找自我，而是创造自我。
我们通过每天所做的选择来创造我们的生活。我们每天所做的选择决定着我们将成为谁，以及我们将如何生活。
选择如此重要，我们非常有必要了解一个比较好的用于决策的思维模型：决策树。
What
「决策树」是对一个定义明确的决策问题的图形描述。决策树以图形方式描述要做出的决策、可能发生的事件以及与决策和事件组合相关联的结果。
如果将概率分配给事件，则通过计算每个可用备选方案的预期值来确定每个结果的值。决策树之所以有用，是因为它们提供了一个清晰的、可记录的、可讨论的模型，可以用来描述决策是如何做出的，或者是如何做出的。分析的主要目标是确定最佳决策。
决策树通常用于运筹学，特别是决策分析，以帮助确定最有可能达到目标的策略，但也是机器学习中的一种流行工具。
决策树就是将决策过程各个阶段之间的结构绘制成一张箭线图，我们可以用下图来表示。
How
组成要素
一个决策树包含三种类型的节点：
决策节点：通常用矩形框来表示
机会节点：通常用圆圈来表示
终结点：通常用三角形来表示
下面是个决策问题的图形化描述示例：
优缺点
优点
1) 可以生成可以理解的规则；
2) 计算量相对来说不是很大；
- 可以处理连续和种类字段；
- 决策树可以清晰的显示哪些字段比较重要。
缺点
- 对连续性的字段比较难预测；
- 对有时间顺序的数据，需要很多预处理的工作；
- 当类别太多时，错误可能就会增加的比较快；
- 一般的算法分类的时候，只是根据一个字段来分类。
How Good
在工作、学习和生活等领域，我们可以充分利用图形化的「决策树」，思考如何解决我们碰到的一些复杂或不确定性问题，我们可以结合决策树得出的客观数据做出最科学、最客观、最理性的决策。
Reference
1、Decision Tree Wiki
2、决策树
3、35,000 Decisions: The Great Choices of Strategic Leaders
