二分类逻辑回归：前面两篇文章针对的是自变量为连续型的，若针对自变量为类别型，线性回归便不再适用。二分类预测适用场景：选举，中奖，比赛输赢，健康与否，行业未来等。分类器预测思路：将带有结果的样本分为训练集和测试集，进行机器学习。训练集用于计算模型，测试集检验模型的准确率。训练集和测试集参数均通过后，可用于预测模型。《鸢尾花预测》案例样本数据如下：共有九十个样本。目的为通过萼片长/宽/花瓣长/宽来预测

决策树介绍决策树算法是一种逼近离散函数值的方法。它是一种典型的分类方法，最早产生于上世纪60/70年代，由J Ross Quinlan提出了ID3算法和C4.5算法。C4.5算法在ID3算法的基础上进行了改进，对与预测变量的缺值处理，剪枝技术，派生规则等方面做了较大的改进，既适合于分类问题，又适用于回归问题。决策树原理：信息增益、信息增益率与基尼系数决策树原理-ID3决策树原理-C4.5决策树原理