Tree是一个比较简单的算法，可以根据分类的纯度将数据划分为多个节点；orange的树可以处理离散数据集和连续数据集。
输入是数据集和预处理方法，输出是决策树算法和训练的模型。
image.png
打开Tree的窗口，里面有几个重要的指标：
Induce binary tree 创建一个二叉树；
Min. number of instances in leaves 每个节点最小实例限制；
Do not split subsets smaller than 子集实例小于x的时候不再进行拆分；
Limit the maximal tree depth to 树的最大深度不深于x
对于分类：
Stop when majority reaches [%] 当纯度大于x时不再进行拆分；
通过Tree模型插件后数据就分好类了，然后我们再使用Tree viewer可视化插件看下分类情况；
可以看到Tree viewer很形象的展示了决策树，也表示出了每个特征分类值；
同样也可以在后面增加一个Data Table看选中的数据。
对于模型如何使用，后面介绍。
