簡介
機器學習中，決策樹是一個預測模型，代表對象屬性與對象值之間的一種映射關(guān)系解总。樹中每個節(jié)點表示某個對象漠秋，而每個分叉路徑則代表某個可能的屬性值肉盹，每個葉節(jié)點則對應從根節(jié)點到該葉節(jié)點所經(jīng)歷的路徑表示的對象的值俺陋。決策樹僅有單一輸出。
提出問題
光看概念會比較抽象考廉，那么舉個實際中的問題來幫助理解秘豹。
現(xiàn)在我們需要為用戶推薦應用，針對不同用戶我們要向其推薦最有可能下載的應用昌粤。這是一個十分常見的應用場景既绕。
觀察數(shù)據(jù)
以下有一張用來制定推薦規(guī)則時參考的數(shù)據(jù)表
表中數(shù)據(jù)可以觀察到，其中有6組示例用戶數(shù)據(jù)涮坐，分別記錄了他們的性別凄贩、年齡與下載過的應用。
那么膊升，針對以上數(shù)據(jù)表，性別和年齡哪個特性對預測用戶會下載哪個應用更有效谭企？
不難看出廓译，年齡會是更有效的參考指標。假設用性別區(qū)分用戶债查，會發(fā)現(xiàn)女性用戶既下載了Pokeman Go也下載了WhatsApp非区，而男性用戶也下載了PokemanGo，另外還下載了SnapChat盹廷，因此體現(xiàn)不出明顯差異征绸。用年齡區(qū)分用戶則很容易發(fā)現(xiàn)，20歲以下的年輕用戶群體都下載了PokemanGo俄占。接下來管怠，將20歲以下的示例用戶數(shù)據(jù)排除，剩下20歲以上用戶則可以用性別再去判斷缸榄，女性普遍下載WhatsApp渤弛，男性普遍下載SnapChat。
繪制決策樹
通過分析數(shù)據(jù)表甚带，我們便可以得出以下決策樹她肯，到此決策樹的概念也就不難理解了佳头。
通過大數(shù)據(jù)得出了決策樹，之后便可以根據(jù)不同目標用戶的不同屬性值晴氨，有針對性進行應用的精準推薦了康嘉。
參考
決策樹——Wikipedia
機器學習納米學位課程——Udacity
