第六章：分类预测——决策树概述

分类预测：通过向现有数据学习，使模型具备对未来新数据的分类预测能力。这种能力源于对现有数据所包含的分类规律的归纳和提炼，同时也只有通过有指导的学习才能实现。
这里的有指导是指：数据除包含作为输入角色的变量外，一定还包含作为输出角色的输出变量，且输出变量的取值在现有数据上是已知的。它指导着模型的学习，使模型能够理解怎样的输入变量取值或组合，能得到怎样的分类结果。
分类预测包含两个方面:（没什么区别，输出变量的计量类型不同使得预测值的具体计算方法及模型的评估方法存在差异）
1、分类：分析新数据在分类型输出变量上的取值称为分类
2、回归：分析新数据在数值型输出变量上的取值则称为回归
分类预测算法：
1、决策树分类法
2、基于规则的分类算法
3、神经网络法
4、支持向量机
5、朴素贝叶斯分类法