什么是决策树？
决策树是一种类似“问答游戏”的工具，用来帮助我们从一堆数据中做出决策。它的核心是逐步提问，根据回答，最终把问题分解到一个简单的选择上。
通俗理解：
就像玩“20个问题”游戏一样，每次问一个问题，把可能的答案范围缩小一部分，直到你找到答案。
原理：问问题，分叉直到结果
1. 提问： 从所有数据中找一个“最重要的问题”，问它可以把数据分成两部分（或更多部分）。
• 例如，问题可以是“苹果是否是红色的？”
2. 分叉： 根据答案，数据被分成不同的分组。
• 如果是“是”，就归到红色苹果那边；
• 如果是“否”，就归到其他颜色苹果那边。
3. 继续： 对每个分组，继续问下一个“最重要的问题”，重复以上步骤。
4. 停止： 直到分组中只有一个结果（或很少几个结果），就停止。
过程和结果：像一棵树一样，找到答案
• 树根（Root）： 从最重要的问题开始（例如颜色）。
• 树枝（Branch）： 根据问题的答案分裂。
• 叶子（Leaf）： 最终的结果，比如“红苹果”或“青苹果”。
举个例子：超市分拣水果
假设你在超市负责分拣水果，想把苹果和橙子分开，决策树可以这样做：
1. 第一个问题：水果的颜色是红色吗？
• 如果是红色，进入“苹果”类别；
• 如果不是，进入“橙子”类别。
2. 再问：苹果是大的吗？
• 如果大，标为“红富士苹果”；
• 如果小，标为“蛇果苹果”。
决策树图：
水果的颜色是红色吗？
/ \
是 否
/ \
苹果大吗？ 橙子
/ \
是（红富士） 否（蛇果）
结果：
通过一系列简单的问题，决策树可以快速、高效地将水果分类。最后每一片“叶子”代表一个明确的分类结果。
优点：
• 简单直观： 类似问答游戏，容易理解。
• 灵活实用： 能处理分类问题（苹果或橙子）和回归问题（预测价格）。
缺点：
• 容易过于复杂：问题多时，树会变得很大（过拟合）。
• 对噪声数据敏感：数据有异常时，结果可能偏差较大。
【非数学专业，记录学习笔记、过程，欢迎交流！】
