基于符号的机器学习算法中最成功、应用最为广泛的非“决策树学习”莫属。决策树是一种树结构，树的每个非叶节点表示一个特征属性上的测试活动，每个分支代表这个特征属性在某个值域上的输出，而每个叶节点存放着一个分类类别。使用决策树进行决策的过程就是从根节点开始，测试待分类项中相应的特征属性，并按照其值选择输出分支，直到到达叶节点，将叶节点所代表的分类类别作为决策结果。这个过程其实不复杂，但听起来还是有些拗口，我们通过一个生活中的例子<sup>○一</sup>来说明一下决策树是如何工作的。假设一个场景是“有一位女孩的母亲要给这个女孩介绍男朋友”，她们的对话是这样的：
女儿：多大年纪了？
母亲：26。
女儿：长得帅不帅？
母亲：挺帅的。
女儿：收入高不？
母亲：不算很高，中等情况。
女儿：是公务员不？
母亲：是，在税务局上班呢。
女儿：那好，我去见见。
这个女孩决定是否要去相亲的决策过程，就是典型的决策树算法。她做出决策的心理历程相当于根据年龄、长相、收入和是不是公务员将男人分为两个类别：“见”和“不见”。假设这个女孩认为可以见面的筛选规则是 30 岁以下、长相中等以上并且是高收入或者中等以上收入的公务员，那么可以用图 3-7 表示女孩的决策逻辑。
98
第二部分 学派争鸣
○一 本例来源于网上文章，没有任何根据，也不代表任何女孩的择偶倾向。