决策树概述
决策树是属于有监督机器学习的一种，起源非常早，符合直觉并且非常直观，模仿人类做决策的过程，早期人工智能模型中有很多应用，现在更多的是使用基于决策树的一些集成学习的算法。
示例一：
上表根据历史数据，记录已有的用户是否可以偿还债务，以及相关的信息。通过该数据，构建的决策树如下
比如新来一个用户：无房产，单身，年收入55K，那么根据上面的决策树，可以预测他无法偿还债务（蓝色虚线路径）。从上面的决策树，还可以知道是否拥有房产可以很大的决定用户是否可以偿还债务，对借贷业务具有指导意义。
示例二：
女孩母亲要给她介绍对象，年龄是多少，母亲说24。长得帅吗？挺帅的。收入高吗？中等收入。是公务员吗？母亲说，是的。女孩：好，我去见见。
根据实力构建决策树：
问题：图片是二叉树吗？
决策树是标准的二叉树，每个节点只有两个分支~
上面那棵树中，属性：绿色的节点（年龄、长相、收入、是否是公务员）
属性叫做，data，数据，一般使用X表示
跟属性对应，目标值（橘色节点），一般使用y表示
构建这棵树时，先后顺序，每个人，标准不同，树结构不同
计算机，构建树，标准一致的，构建出来的树，一致