核心概念

决策树

递归切分特征空间，并在叶节点输出类别或数值的监督学习模型。

更新：2026-08-26Decision Tree

简明解释

决策树（decision tree）递归选择特征和切点，把输入空间划成叶节点，再输出叶内均值或类别分布。它能表达阈值与交互，但贪心建树不保证全局最优，深树容易过拟合，小幅数据变化也可能改变整棵树。[1, §9.2]

别和什么混淆

树路径展示模型怎样计算，不证明现实因果链；随机森林是许多随机化树的集成，不是一棵更大的树。

在本书中

见第10章：监督学习。

本页参考来源

Hastie T, Tibshirani R, Friedman J. The Elements of Statistical Learning — Data Mining, Inference, and Prediction [M]. Springer, 2009. Second edition. 定位：§9.2, especially §§9.2.1–9.2.4. DOI；稳定来源（访问 2026-08-26）。

相关概念