决策树可以使用不熟悉的数据集合，并从中提取出一系列的规则（如if...else），根据数据集创建规则的过程，就是机器学习的过程。专家系统中经常使用决策树。
一、基本思想：分而治之的策略
决策树的生成是一个递归过程；
对于属性值是离散值的情况，结点生成问题转化为：从当前属性集合中选择哪种属性（作为分支结点）
何为“最优划分属性”？ 即属性选择的依据
所选属性下，（分支结点）所包含的样本尽可能属于同一类别，通俗地说就是属性的“区分度”强，属性的“纯度”高；
二、划分选择
信息增益：基于“信息熵”；
典型算法：
ID3：信息增益
C4.5：增益率
CART：“基尼指数”
三、防止“过拟合”
剪枝：包括“预剪枝”、“后剪枝”
四、连续与缺失值处理
