决策树（Decision Tree）是一种简单但是广泛使用的分类器。通过训练数据构建决策树，可以高效的对未知的数据进行分类。决策数有两大优点：1）决策树模型可以读性好，具有描述性，有助于人工分析；2）效率高，决策树只需要一次构建，反复使用，每一次预测的最大计算次数不超过决策树的深度。 决策树是一个树结构（可以是二叉树或者非二叉树），非叶节点表示一个特征属性上的测试，每个分支代表在某个值域上的输出，每个叶节点存放一个类别。 测试就是按照从根节点往下走，直到叶节点，得到决策结果。