介绍
决策树和随机森林都是非线性有监督的分类模型。
决策树是一种树形结构，树内部每个节点表示一个属性上的测试，每个分支代表一个测试输出，每个叶子节点代表一个分类类别。通过训练数据构建决策树，可以对未知数据进行分类，
随机森林是由多个决策树组成，随机森林中每一棵决策树之间没有关联，在得到一个随机森林后，当有新的样本进入的时候，随机森林中的每一棵决策树分别进行判断，分析出该样本属于哪一类，然后最后看哪一类被选择最多，就预测该样本属于这一类。
1、认识决策树
术语：
根节点：最顶层的分类条件
叶节点：代表每一个类别号
中间节点：中间分类条件
分支：代表每一个条件的输出
二叉树：每一个节点上有两个分支
多叉树：每一个节点上至少有两个分支
