决策树的优缺点总结

• 优点：

1. 决策过程更接近人的思维， 因此模型更容易解释；
2. 能够更清楚地使用图形化描述模型；
3. 速度快；
4. 可以处理连续性和离散型数据；
5. 不需要任何领域知识和参数假设；
6. 适合高维数据。

• 缺点：

1. 对于各特征样本量不均衡的数据， 信息增益更偏向于那些数值更多的特征；
2. 不支持在线学习；
3. 容易过拟合；
4. 一般来说， 决策学习方法的准确率不如其他模型。