分类：决策树——树的生长

       分类算法非常适合预测或描述标签为二元或标称类型的数据集，对于标签为序数类型的数据集，分类技术则不太有效，因为分类技术不考虑隐藏在序数中的“序”关系，对于标签其他形式的联系如子类与超类（包含的关系），分类技术也不太适合。 

       本文是分类模型系列的初篇，先介绍最基本的分类/回归模型——决策树模型。决策树分类模型打算分为三篇来说明，第一篇先说明决策树生长，第二篇介绍决策树的剪枝过程，第三篇介绍常用的决策树模型算法。

1.树的生长过程

       决策树的生长一般采用贪心的策略，所有训练样本都会参与到树的生长过程，树生长完成后所有训练样本都能被明确的分类。训练集 中表示各样本的属性值，表示的标签，表示样本的属性集，则决策树的构建方法如下

1. 生成结点node                                                                                                                                                       
2. 若D中所有样本均属于同一类别C，则将结点node标记为叶结点，其类归为类C，返回                                          
3. 若A为空、或者D中样本在A中属性上取值相同， 则将结点node记为叶节点，其类归为D中样本数最多的类，返回
4. 若2、3中情况均未出现时，从A中选择一个最优划分属性，对的每一个划分值，为node结点生成一个分支，令表示在