决策树和神经网络就可以同时预测多个目标值_冲量在线 | 决策树

之前介绍了机器学习相关的内容，实际上机器学习从本质上来说是在模拟人类本身的行为，在现实生活中，我们会遇到各种选择，不论是选择男女朋友，还是挑选水果，都是基于以往的经验来做判断。如果把判断背后的逻辑整理成一个结构图，你会发现它实际上是一个树状图，实际上，这就是本期要提到的决策树。

决策树(Decision Tree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干，故称决策树。在机器学习中，决策树是一个预测模型，他代表的是对象属性与对象值之间的一种映射关系。

决策树是一种树形结构，其中每个内部节点表示一个属性上的测试，每个分支代表一个测试输出，每个叶节点代表一种类别。如果按分类来说，其可以被归类为监督学习，也就是在训练时，训练样本数据有对应的目标值。通过对数据样本因子和已知的结果建立联系ÿ