学习目录：
决策树简介
ID3决策树
C4.5决策树
CART决策树
案例泰坦尼克号生存预测
CART回归树
决策树剪枝
（决策树中用到的比较多的几种树：ID3决策树、C4.5决策树、CART决策树：ID3决策树有弊端，为解决其弊端，设计了C4.5决策树，有C5.0决策树，但其不开源；这两个会理论即可。真正需要掌握的是CART决策树 ：C-Classify分类、A-and、R-Regression回归、T-Tree即 分类回归树，即这种树既能做分类又能做回归 ；而ID3决策树、C4.5决策树只能做分类 ；对CART决策树进行分类和回归的分开讲解，当一棵决策树树枝较繁琐、庞大的情况下，要对树进行剪枝操作；
学习目标：理解 ID3决策树、C4.5决策树 底层原理：ID3是用信息增益 来划分节点的、C4.5是用信息增益率来划分的；CART底层：CART决策树用G1值、CART回归树用平均值：里面涉及到一个词 GiNi基尼值。回归这里有CART回归树、前面还有线性回归、逻辑回归；）
1. 决策树简介
（决策树：根据某些特征和信息作为根节点，往下划分子集的过程叫决策树；谁当根节点、谁当第二层 是接下来要研究的问题；树如果过于复杂，容易发生过拟合，就需要通过剪枝进行处理；决策树是一种有监督学习：有特征、有标签；）
