决策树是一个非常常见并且优秀的机器学习算法，它易于理解、可解释性强，其可作为分类算法，也可用于回归模型。本文将分三篇介绍决策树，根据不同分裂准则分为不同决策树，包括ID3、C4.5、CART。
不同决策树的节点分裂准则：
- 原始决策树节点分裂准则：节点内特征数量阈值，小于阈值，停止分裂
- 基于ID3算法的决策树节点分裂准则：信息增益，越大越好
- 基于C4.5算法的决策树节点分裂标准：信息增益比，越大越好
- 基于CART算法的决策树节点分裂标准：回归树，采用平方根误差最小化准则，分类树，采用基尼指数。越小越好
