（Naive Bayes）是一种简单经典的，它的经典应用案例为人所熟知：文本分类（如垃圾邮件过滤）。

通过对以上决策树知识点的学习，总结出决策树也同样优缺点并存建立决策树模型的过程非常容易理解决策树模型可以可视化，非常直观可用于分类和回归，而且非常容易做多类别的分类能够处理数值型和连续的样本特征缺点：对噪声数据比较敏感，容易过拟合决策树算法在工业中本身应用并不多，但很多算法都是以决策树为基础搭建出来的，包括随机森林、Adaboost、GBDT等等理解决策树，是学习这些算法的基石。