决策树算法属于机器学习领域（包含理论知识、可视化图解和Python代码实现）

前言

暑期计划深入研读《机器学习》这部著作，它也被大家亲切地称为西瓜书。在完成决策树章节的学习后，我打算进行一番归纳整理。尽管几年前对决策树的相关知识已有初步了解，但通过此次学习，我发现自己又获得了许多新的认知。

一、基本流程

二、划分选择

三、剪枝处理

四、连续与缺失值

五、多变量决策树

六、房价数据集的决策树算法python实现

一、基本流程

决策树（decision tree）属于一种广泛应用于机器学习领域的算法模型，其核心原理是通过树状结构实现分类与决策过程。

——“这颗瓜是否属于优质品种？”

——“该瓜呈现出青绿色调，根部形态为蜷缩状，敲击时发出的声音为......，因此最终判定结果为：这是一颗优质瓜”。

由此可见，在对瓜类进行良劣分类时，需要逐一分析各类瓜的具体特征属性，以此作为判断依据。

图1. 该图展示了一棵决策树结构

其中，叶子节点所代表的是最终的决策结论，而根节点以及中间节点则对应着特定属性的判断条件。决策树的学习目标在于构建出具备较强泛化能力的模型，即能够有效应对未曾接触过的实例。

二、划