决策树法优点
决策树法优点：决策树列出了决策问题的全部可行方案和可能出现的各种自然状态，以及各可行方法在各种不同状态下的期望值。能直观地显示整个决策问题在时间和决策顺序上不同阶段的决策过程。在应用于复杂的多阶段决策时，阶段明显，层次清楚，便于决策机构集体研究，可以周密地思考各种因素，有利于作出正确的决策。决策树法缺点：使用范围有限，无法适用于一些不能用数量表示的决策；对各种方案的出现概率的确定有时主观性较大，可能导致决策失误；
决策树优缺点
优点:
(1)速度快: 计算量相对较小, 且容易转化成分类规则. 只要沿着树根向下一直走到叶, 沿途的分裂条件就能够唯一确定一条分类的谓词.
(2)准确性高: 挖掘出来的分类规则准确性高, 便于理解, 决策树可以清晰的显示哪些字段比较重要, 即可以生成可以理解的规则.
(3)可以处理连续和种类字段
(4)不需要任何领域知识和参数假设
(5)适合高维数据
缺点:
(1)对于各类别样本数量不一致的数据, 信息增益偏向于那些更多数值的特征
(2)容易过拟合
(3)忽略属性之间的相关性
决策树法分为那几个步骤
1、特征选择特征选择决定了使用哪些特征来做判断。在训练数据集中，每个样本的属性可能有很多个，不同属性的作用有大有小。因而特征选择的作用就是筛选出跟分类结果相关性较高的特征，也就是分类能力较强的特征。在特征选择中通常使用的准则是：信息增益。2、决策树生成选择好特征后，就从根节点触发，对节点计算所有特征的信息增益，选择信息增益最大的特征作为节点特征，根据该特征的不同取值建立子节点；对每个子节点使用相同的方式生成新的子节点，直到信息增益很小或者没有特征可以选择为止。3、决策树剪枝剪枝的主要目的是对抗「过拟合」，通过主动去掉部分分支来降低过拟合的风险。【简介】决策树是一种解决分类问题的算法，决策树算法采用树形结构，使用层层推理来实现最终的分类。
如何用决策树法进行决策？
画决策树的步骤如下：A、先画一个方框作为出发点，又称决策节点；B、从出发点向右引出若干条直线，这些直线叫做方案枝；C、在每个方案枝的末端画一个圆圈，这个圆圈称为概率分叉点，或自然状态点；D、从自然状态点引出代表各自然状态的分枝，称为概率分枝；E、如果问题只需要一级决策，则概率分枝末端画三角形，表示终点 。 例题）假设有一项工程，施工管理人员需要决定下月是否开工。如果开工后天气好，则可为国家创收4万元，若开工后天气坏，将给国家造成损失1万元，不开工则损失1000元。根据过去的统计资料，下月天气好的概率是0.3,天气坏的概率是0.7。请做出决策。现采用决策树方法进行决策 【解】第一步：将题意表格化第二步：画决策树图形，根据第一步所列的表格，再绘制决策树，如下图；
决策树分析法是怎样的
决策树分析法是指分析每个决策或事件（即自然状态）时，都引出两个或多个事件和不同的结果，并把这种决策或事件的分支画成图形，这种图形很像一棵树的枝干，故称决策树分析法。优点：1)可以生成可以理解的规则；2)计算量相对来说不是很大；3)可以处理连续和种类字段；4)决策树可以清晰的显示哪些字段比较重要。缺点：1)对连续性的字段比较难预测；2)对有时间顺序的数据，需要很多预处理的工作；3)当类别太多时，错误可能就会增加的比较快；4)一般的算法分类的时候，只是根据一个字段来分类。
如何利用决策树进行决策分析
画决策树的步骤如下：A、先画一个方框作为出发点，又称决策节点；B、从出发点向右引出若干条直线，这些直线叫做方案枝；C、在每个方案枝的末端画一个圆圈，这个圆圈称为概率分叉点，或自然状态点；D、从自然状态点引出代表各自然状态的分枝，称为概率分枝；E、如果问题只需要一级决策，则概率分枝末端画三角形，表示终点 。 例题）假设有一项工程，施工管理人员需要决定下月是否开工。如果开工后天气好，则可为国家创收4万元，若开工后天气坏，将给国家造成损失1万元，不开工则损失1000元。根据过去的统计资料，下月天气好的概率是0.3,天气坏的概率是0.7。请做出决策。现采用决策树方法进行决策 【解】第一步：将题意表格化第二步：画决策树图形，根据第一步所列的表格，再绘制决策树，如下图；
