小树苗：决策树是什么？

导读

决策树，听起来就像是有许多分支的树，也听起来像是能够帮助我们作出某种决策的方法。

决策树的定义

既然是树，那么首先就有根，其次有树枝，然后有树叶。

根，就是一个对象实体；树枝则是一个对象的多种属性；树叶则是基于这个对象实体、对照该对象实体的某种属性，就能够得出某种结果。

听起来非常难懂？那还是老套路，你还是收集了20万只猫娘的很多种属性，然后对照总结。

• 这只猫娘的眼白有些发红，所以有可能生病了，带进诊所给医生看看；
• 那只猫娘在检查的时候一直“啊吧啊吧”地流口水，有可能是紧张了，也有可能是口腔有些疾病，带进观察室呆一会；
• 又有一只猫娘晚上打呼噜很大声，那么她就是单纯的打呼噜很大声，给她一只毛线球去快乐地玩耍吧……

看完这个例子，不难发现，根就是猫娘这一物种，树枝就是眼睛发红、流口水、打呼噜等等特征，树叶则是由这些特征的猫娘会有什么样的症状。但是光有根、树枝和果实的树并不能够非常完美地构成猫娘这一物种，而正是这20万组猫娘的数据构成了这颗决策树的树干，丰富了猫娘这一物种，让这一物种更为饱满、更有依可寻。

决策树的思想

“是什么”说明白了，接下来要说“为什么”了。

决策树和分治算法、动态规划这些分而治之的思想不太一样，虽然都有剪枝，但是决策树在剪枝的基础上增加了权重。这和分而治之思想中一票否决的硬杠杆不一样，更像是遇到多个问题的时候逐个投票，然后根据人数占比的统计和可接受度的比较，最终得出了结果。

打个比方，如果使用分而治之的思想来对待你的猫娘，那么就会是这个样子：

你的猫娘在你收拾的时候瞎捣乱，

• 你狠狠地责备了她。

如果是GalGame的话选了这个选项估计直接就走入Bad End了。

而如果是决策树，就会这样：

你的猫娘在你收拾的时候瞎捣乱，

• 首先碰翻了垃圾桶，由于是空桶所以就只是把桶扶起来，摸摸她的头，笑着说：“小捣蛋鬼！”

• 之后把桌子上的东西都打在地上了，由于掉下去的都是抽纸、不锈钢盘子、遥控器等等，没什么散落一地的东西，也没泼什么东西在地上，就把东西重新放好。她再把东西推下去，你就把拳头扬起来做出一副要打下去的样子。起初她张牙舞爪的准备迎击，看你一直没打下去放松了戒备。然后你趁机弹了一下她的脑门，她就捂着额头跑掉了。你也就有了机会继续收拾。

• 接着爬到你背上胡抓乱挠，由于收拾得差不多了，你把她从背上抓下来，索陪她性大玩特玩。

有Happy End的感觉了！

仔细看这个例子，你会发现每次遇到事件的时候，你都会好好地根据当前一些特征现象进行选择，比如不责备和责备、陪她玩和继续收拾。

和每遇到一个条件就剪枝的分而治之算法不同，决策树最大的特点就是会根据许多不同的特征按照权重筛选。就像给猫娘看病一样，并不是一开始就从脑袋开始检查，也并不是最终一定要把检查脚底放在最后，而是从是否健康开始判断。

这样的话，在与猫娘相处时发生的很多事情来看，决策树往往更灵活、更温柔。当然，这也需要你对很多事情有更多的观察、参照和经历，就过程而言并不容易。

决策树的目的

决策树，顾名思义，就是为了决策而准备的。我的理解是：决策树的目的实际上就是分类。当然也能够用于回归，只不过往往因为某些特征对应的特定结果实在太明显了，我们通过对比特征马上就能分类。

但是分类还不够，如果只是单纯的分类，用人海战术也能够实现。所以决策树在分好类的基础上进行了新的预测。也就是说，决策树能够从大量的对象实体中总结出一个特定该对象的一些特性，从而在代入新的实体的时候能够预测该实体的属性。就像你收集了大量的猫娘数据总结出了猫娘在遇到什么病情的时候会有什么样的症状的普遍规律之后，运用到你自己家的猫娘上，给她无微不至的关爱。（跑题了啊！）

是不是有点能理解了呢？