【机器学习】决策树_怎么分清决策结点还是随机事件结点

来自周志华《机器学习》一书，包含自己的理解。
有任何的书写错误、排版错误、概念错误等，希望大家包含指正。

决策树

1 基本流程

我们要去买西瓜，如何判断西瓜的好坏？

首先我们观察其色泽，如果是青绿色，再看它的纹理，如果纹理清晰，我们还会敲一敲瓜，如果声音清脆，那么我们就断定它是个好瓜。

按照这个逻辑，可以简单地构建一棵决策树：

我们是如何得到这棵决策树的？

瓜农们种瓜无数，阅瓜无数，凭借着他们遇到各种各样的好瓜与坏瓜的经验，总结出来一套我们用于生成决策树规律。

机器也是类似的，我们将大量的西瓜数据和学习方法提供给机器，让机器从西瓜数据中学习判断瓜好坏的方法，它在学习过程中会生成一棵完整决策树，最终我们可以利用“学有所成”的机器判断其他瓜的好坏。

一般的，一棵决策树包含一个根结点、若干个内部结点和若干个叶结点；叶结点对应于决策结果，其他每个结点则对应于一个属性测试；每个结点包含的样本集合根据属性测试的结果被划分到子结点中；根结点包含样本全集。从根结点到每个叶结点的路径对应了一个判定测试序列。决策树学习的目的是为了产生一棵泛化能力强，即处理未见示例能力强的决策树，其基本流程遵循简单且直观的“分而治之”（divide-and-conquer）