决策树是一种基于树形结构的预测模型，每一个树形分叉代表一个分类条件，叶子节点代表最终的分类结果，其优点在于易于实现，决策时间短，并且适合处理非数值型数据。
举一反三
- 分类决策树模型是一种描述对实例进行分类的树形结构。决策树由（ ）和（ ）组成。
- 用决策树训练一个分类器模型，树的每个叶子结点代表了（）信息 A: 样本数量 B: 变量数量 C: 分类标签 D: 无实际意义
- 决策树是一种树形结构，其中每个内部节点表示一个（）上的测试，每个分支代表一个测试（），每个叶节点代表一种（）。 A: 属性、输出、类别 B: 输出、类别、属性 C: 属性、类别、输出 D: 类别、输出、属性
- 决策树的决策过程是从根节点出发,测试不同的特征属性,按照结果的不同选择分支,最终转到某一叶子节点,获得分类结果。
- 在决策树图中，“树”的分支代表（）。 A: 不同的方案，每枝代表一个方案 B: 不同的自然状态，每枝代表一个自然状态 C: 不同的决策意见，每枝代表一种决策意见 D: 不同的决策或自然状态