学习笔记，只是简单记录，供以后学习查阅

树的基本概念!

树的标准定义：
树（tree）是包含n（n>0）个节点的有穷集合，其中：
　　（1）每个元素称为节点（node）；
　　（2）有一个特定的节点被称为根节点或树根（root）。
（3）除根节点之外的其余数据元素被分为m（m≥0）个互不相交的结合T1，T2，……Tm-1，其中每一个集合Ti（1<=i<=m）本身也是一棵树，被称作原树的子树（subtree）。
树具有以下特点：
（1）每个节点有零个或多个子节点。
（2）每个子节点只有一个父节点。
（3）没有父节点的节点称为根节点。

关于树的一些术语
节点的度： 一个节点含有的子树的个数称为该节点的度；
叶节点或终端节点： 度为零的节点称为叶节点；
非终端节点或分支节点： 度不为零的节点；
双亲节点或父节点： 若一个结点含有子节点，则这个节点称为其子节点的父节点；
孩子节点或子节点： 一个节点含有的子树的根节点称为该节点的子节点；
兄弟节点： 具有相同父节点的节点互称为兄弟节点；
树的高度或深度： 定义一棵树的根结点层次为1（或0，不同的书可能介绍不同），其他节点的层次是其父结点层次加1。一棵树中所有结点的层次的最大值称为这棵树的深度。节点的层次：从根开始定义起，根为第1层，根的子结点为第2层，以此类推；
树的度： 一棵树中，最大的节点的度称为树的度；
节点的祖先： 从根到该节点所经分支上的所有节点；
子孙： 以某节点为根的子树中任一节点都称为该节点的子孙。
森林： 由m（m>=0）棵互不相交的树的集合称为森林；
树，信息熵，信息增益，信息增益比（决策树基础知识一）

结点的度：一个结点的子树数目称为该结点的度。（例如结点1的结点的度为3，结点2的结点的度为3，结点3的结点的度为0）。
树的度：所有结点度当中，度最高的一个。（上图树的度是3）。
叶子结点：上图应该是：3、5、6、7、9、10
分枝结点：除了叶子结点，其他的都称为分枝结点，和叶子结点构成互补的关系。（1、2、4、8）
内部结点：分枝结点除了根结点以外的。（2、4、8）
父结点：如5号结点就是2号结点的子结点。
子结点：2号结点是5号结点的父结点。
兄弟结点：5、6、7称为兄弟结点，出自同一个父亲2号结点。
层次：0层、1层、2层、3层。

决策树模型

决策树概念

分类决策树模型是一种描述对实例进行分类的树形结构。决策树由结点和有向边组成。结点有两种类型：内部结点和叶节点。内部结点表示一个特征或属性，叶节点表示一个类。（有监督学习）
树，信息熵，信息增益，信息增益比（决策树基础知识一）
建立决策树的关键，即在当前状态下选择哪个属性作为分类依据。根据不同的目标函数，建立决策树主要有一下三种算法。