前言：
今天的文章要來跟大家介紹的是決策樹，決策樹也是屬於機器學習範圍裏得一個演算法，那我們就馬上來看吧。

決策樹Decision Tree
決策樹最通常用於決策分析領域，如果用一句條件控制句來表達它裡面元素包括了：機會事件結果、資源成本和效用。

決策樹架構

如上圖，決策樹只有向外擴展的node，沒有向內收斂的路徑，因此如果事件很大的話，決策樹會變得非常龐大。
決策樹以線性化為決策規則，其中結果是葉節點的內容，沿路徑的條件在 if 子句中形成。
ex if條件是怎樣往上，if條件不是怎樣，向下。

影響圖
因為決策樹的訊息量非常多，有一個衍生的圖叫做影響圖，用於表述事件之間的問題和關係。

如上圖，藍色矩形代表的是決定，橢圓形代表的是行動，紅色菱形代表的是結果。

決策樹的優缺點

優點
易於理解，可透過解析圖表了解問題
即使只有很少的數據也有價值
幫助確定不同場景的最差、最佳和預期值
可以考慮多個決策者的行動

缺點
不穩定，一小個決策可能會影響到整個決策樹
計算會變得複雜
通常準確性低

資料來源：
https://en.wikipedia.org/wiki/Decision_tree