文章导读：
决策树（decision tree）是一种基本的分类与回归方法。在分类问题中，它可以认为是if-then规则的集合，也可以认为是定义在特征空间与类空间上的条件概率分布。在学习时，利用训练数据，根据损失函数最小化的原则建立决策树模型；在预测时，对新的数据，利用决策树模型进行分类。
决策树是一种基本的分类与回归方法。这里主要讨论用于分类的决策树。
优点：具有可读性，分类速度快；
决策树学习通常包括三个步骤：特征选择、决策树的生成和决策树的修剪；
决策树学习 的思想来源主要是ID3算法、C4.5算法以及CART算法；
决策树模型：
分类决策树模型是一种描述对实例进行分类的树形结构。决策树有节点（node）和有向边（directed edge）组成。节点有两种类型：内部节点和叶节点。内部节点标识一个特征或属性，叶节点标识一个类；
用决策树分类，从根节点开始，对实例的某一特征进行测试，根据测试结果，将实例分配到其子节点；这时，每一个子节点对应该特征一个取值，如此递归低对实例进行测试并分配，直至达到叶子节点。最后实例被分到叶节点的类中。
决策树的if-then规则
可以将决策树看成一个if-then规则的集合；规则如下：将决策树的根节点到叶节点的每一条路径建立一条规则；路径上内部节点的特征对应着规则的条件，而叶节点的类对应着规则的结论。if-then规则集合有一个重要的性质：互斥并且完备；这就是每一个实例都被一条路径或者一条规则所覆盖，而且只被一条路径或者一条规则所覆盖。
决策树还表示给定特征条件下类的条件概率分布。这一条件概率分布定义在特征空间的一个划分上。将特征空间划分为互不相交的单元区域，并在每个单元定义一个类的概率分布就构成了一个条件概率分布。决策树的一条路径对应于划分中的一个单元。决策树所表示的条件概率有各个单元给定条件下的类的条件概率分布组成。假设X为标识特征的随机变量，Y为表示类的随机变量，那么这个条件概率分布可以表示为P(Y|X)。X取值给定划分下单元的集合，Y取值类的集合。
下图表示了特种空间的一个划分。大正方形表示特征空间。这个大正方形被若干个小矩形分割，每个小矩形表示一个单元。特征空间划分上的单元构成了一个集合，X取值为单元的集合。假设只有两类正类负类，Y=+1-1；小矩形数字表示单元的类。第二个图表示给定条件下类的条件概率分布。P(Y=+1|X=c)>0.5时属于正类，实际上对应的就是矩形框的面积。
决策树的学习：
决策树的学习，假设给定训练数据集
其中为输入实例（特征向量），n为特征个数，为类的标记，N为样本容量.。学习的目标是根据给定的训练数据集构建一个决策树模型，使它能够对实例进行正确的分类。
决策树学习本质上试从训练数据集中归纳出一组分类规则。与训练数据集不相矛盾的决策树可能有多个，也可能一个也没有。我们需要的是一个与训练数据矛盾较小的决策树，同时具有很好的泛化能力。从另一个角度看，决策树学习是有训练数据集估计条件概率模型。基于特征空间划分的类的条件概率模型有无数个，我们选择的条件概率模型应该不仅对训练数据有很好的拟合，而且对未知数据也有很好的预测。
决策树学习的损失函数通常是正则化的极大似然函数。决策树学习的策略是一损失函数为目标函数的最小化。
决策树学习算法通常是一个递归低选择最优特征，并根据特征对数据进行分割，使得对应各个子数据集有一个最好的分类过程。首先构建根节点，将训练数据放到根节点，选择一个最优特征，按照这个特征将训练集分为各个子集，使各个子集有一个当前条件下最好的分类。如果已经能够被基本正确分类，那么构建叶子节点，并将这些子集分到所对应的叶节点中去；如果还有子集不能被正确分类，那么对子集继续选择最优特征，直到没有合适的特征为止。
决策树表示一个概率分布，深浅不同的决策树对应着不同复杂度的概率模型。决策树的生成对应于模型的局部选择，决策树的剪枝对应于模型的全局选择。决策树的生成只考虑局部最优，相对地，决策树的剪枝则考虑全局最优。
特征选择在于选取对训练数据具有分类能力的特征。这样可以提高决策树学习的效率。
如果利用一个特征进行分类的结果与随机分类的结果没有很大差别，则呈这个特征是没有分类能力的。经验上扔掉这样的特征对决策树学习的精度影响不大。通常特征选择的准则是信息增益或信息增益比。
