决策树，又称判断树，它是一种以树形数据结构来展示决策规则和分类结果的模型，作为一种归纳学习算法，其重点是将看似无序、杂乱的已知实例，通过某种技术手段将它们转化成可以预测未知实例的树状模型，每一条从根结点到叶子结点的路径都代表一条决策的规则。
引用一句英国统计学家George E. P. Box的名言:All models are wrong， but some are useful. 没有哪一种算法能够适用所有情况，只有针对某一种问题更有用的算法。
解密人工智能“KNN I K-均值 I 降维算法 I 梯度Boosting算法 I AdaBoosting 算法。机器学习算法是一种基于数据和经验的算法，通过对大量数据的学习和分析，自动发现数据中的模式、规律和关联，并利用这些模式和规律来进行预测、分类或优化等任务。
“数据+算法=模型”。面对具体的问题，选择切合问题的模型进行求解十分重要。有经验的数据科学家根据日常算法的积累，往往能在最短时间内选择更适合该问题的算法，因此构建的模型往往更准确高效。本文归纳了机器学习的10大算法，并分别整理了各算法的优缺点及主要特征，供大家学习参考。
关于机器学习的定义，Tom Michael Mitchell的这段话被广泛引用:“对于某类任务T和性能度量P，如果一个计算机程序在T上其性能P随着经验E而自我完善，那么我们称这个计算机程序从经验E中学习。”
