决策树是一类常见的机器学习方法，决策树是基于树的结构来进行决策。决策过程中提出的每一个问题都是对于属性的“测试”，决策的最终结论对应了我们希望的判定结果。一个决策树包含一个根节点，若干个内部节点和若干个叶子节点。其中叶子节点对应于决策结果，其他每一个节点对应于一个属性测试。每个结点对应的样本集合，根据属性测试被划分到子节点中，流程遵循递归“分而治之”（divide-and-conquer）的策略。