在逻辑回归中，我们通常使用对数似然函数作为目标函数，因为它度量了模型参数与训练数据的匹配程度。对数似然函数越大，模型参数越合理。Logistic回归优点：计算成本相对较低，效率较高。输出结果介于0和1之间，可以表示概率，易于解释。适用于二分类问题，模型简单直观，易于理解和实现。缺点：对非线性问题的分类效果可能不理想，容易欠拟合。对特征之间的相关性敏感，可能导致过拟合。分类精度可能不如一些更复杂的模

决策树是一种树形结构，其中每个内部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种类别。树的组成：（如下图示，来源百度，只做结构演示说明）根节点：第一个选择点非叶子结点与分支：中间过程叶子节点：最终的决策结果决策树是一树状结构，它的每一个叶节点对应着一个分类，非叶节点对应着在某个属性上的划分，根据样本在该属性上的不同取值将其划分成若干个子集。对于非纯的叶节点，多数类的标号给