今天，我们来聊聊人工智能。相信屏幕前的你一定对AI是如何进行学习这个问题感兴趣。废话少说，咱们一起去研究研究。朋友请放心，俺会用通俗易懂的话讲给你听。
决策树归纳是一类最简单也是最成功的机器学习形式。决策树表示一个函数，以属性值向量作为输入，返回一个决策，即简单输出值。通俗一点来说，不管决策树还是其他的人工智能方法，都是从已有的数据中找规律，并用函数将这个规律表达出来，用来预测未来的信息。我觉得这就是现代版的算卦吧。
决策树通过执行一系列测试达到决策。为了让朋友们清晰地认识到这一点，我举个例子。假设你计划下星期六出去春游，你会考虑哪些呢？我猜你一定会考虑当天的天气、是否有充足的时间以及经费是否充足等等。（其他考虑要素大家自行补充）然后，你决定是否下星期六春游就是这样考虑的。（请看下面的图）
经过三次测试完成后，你便心中有了答案，到底要不要下周六去春游。正因为决策树是一步一步进行决策，画在纸上的示意图像一棵向下生长的树，故得名为决策 。决策树和咱们的决策逻辑是一样的，你是否感到神奇。那么决策树是如何学习的呢？
先给它为一堆已知的决策过程，决策树算法利用数学公式算出每个考虑因素的信息收益，得出考虑因素中最重要的那一个，并把它作为测试一。（称为根节点 ）然后再下一节点，把剩下的考虑因素再进行计算，得出该结点的考虑因素。以此类推，决策树学习算法便学习到了决策的方法。
给它喂的数据越多，他总结出的规律越好，预测未来的结果越接近现实。当然，要注意避免过度拟合。
好了，今天的分享到这里就结束了。朋友们对人工智能的理解是不是更加深刻了。拜拜，各位。如果大家有什么想分享的，可以在评论区畅所欲言。
