1.决策树的收敛
收敛从叶结点开始，向上收敛，少数服从多数。
2.熵的偏差
最下面是一个惩罚公式，分子是information gain，而分母是分裂的特征个数，作为一种有效的惩罚措施。
比如，单纯的按生日辨别男女，information gain很大，entrpy为0，但是这给系统一个错误的细化特征的倾向，实际上，每个人一条规则肯定是不合适的。
3.在决策树模型中，校验集的用途是用于控制对模型的剪枝操作。
4.分类，设置门槛（决策树模型中应如何妥善处理连续型属性）
A和B哪个更适合门槛？计算一下就知道
5.决策树的其他学习材料