决策树
算法评价
准确性，速度，强壮行，规模性，可解释性
什么是决策树（Decision tree）？
类似于流程图的树结构：其中，每个内部节点表示在一个属性上的测试，每个分支代表一个属性输出，而每个树叶节点代表类或类分布，树的最顶层是根节点。
熵（Entropy)
信息度量==不确定性的多少
H（x)=-∑P(x)*log2P(x)
决策树归纳算法（ID3）
信息获取量：Gain(A)=Info(D)-Info_A(D);
建造过程：
1.树以训练样本的单个节点开始
2.如果样本都在同一类，则
