机器学习之决策树是一种常用的分类和回归方法，广泛应用于各种领域。其核心思想是根据特征属性将数据分为不同的子集，每个子集对应一个决策树节点。然后通过评估各个子集的目标函数，选取最佳划分特征，将子集划分为新的子集。这个过程不断进行，直到满足停止条件。最后，每个子集对应一个预测结果。