Decision Trees的最显著的作用就是classification，非常浅显易懂，这里我放一张图给大家，帮助大家理解这样一个concept。
正如图片中所示，一个简单的decision tree就长这样，有点引起我回忆到CSA学的b-search了哈哈哈，回归正题，decision tree，这里简称DT。
如其名，最重要的就是decision，基础的decision只有两种结果，对和错，例如：is it green? 正常来说，这个问题的答案只有两个，是/不是。
DT要做的是判断这个token是/不是 满足问题的条件，其实在Python里面实现非常简单，属于非常基础的内容，无非就是写几个if/else if罢了，这里就不放code block给大家了，毕竟是非常基础的内容。
这里我来给出一个非常简单的decision tree的例子，如图：
这个decision tree是关于天气的tree，例如当这个天气是“Sunny，High Humid”，那么他就不是一个sunny的天气，我们需要另一个分支来解决这个分类问题，另一个例子，“Cloudy”直接就是“Yes”，因为cloudy这个天气没有所谓的区别，只要有云，那么天气就是cloudy，不需要下一个分支再去做更细的分支。