分类：目标函数标记为类别性的数据类型
回归：目标函数标记为连续性的数据类型
1决策树算法
评估标准：准确率、速度、强壮性、可规模性、可解释性
1/1决策树、判定树（decision tree）：判定树市一个类似于流程图的树结构：其中，每个内部节点表示在一个属性上的测试，每个分支代表一个属性输出，而每个树叶结点代表类或类分布。树的最定点市根节点。
1/2 熵（entropy）
变量的不确定性越大，熵也就越大。
1/3决策树归纳算法
ID3算法：算则属性判断结点
信息获取量：Gain(A) = Info(D)-Infor_A(D)