分類的概念
分類的基本任務就是根據給定的一系列屬性集，最后去判別它屬于的類型！
比如我們現在需要去給動物分類，類別可選項為哺乳類，爬行類，鳥類，魚類，或者兩棲類。給你一些屬性集如這個動物的體溫，是否胎生，是否為水生動物，是否為飛行動物，是否有腿，是否冬眠。
現在分類的基本任務就是，已知一個動物的屬性集，判斷或預測這個動物屬于哪一種類別？
要解決上述的問題，也就是我們需要找到一個由屬性集到類別的映射函數f（稱作分類模型），來決定最后的分類。
分類模型f
分類法的例子包括：決策樹分類法、基于規則的分類法、神經網絡、支持向量機和樸素貝葉斯分類法。這些技術都使用一種學習算法確定分類模型！
決策樹分類法
決策樹
從根節點開始，每個分支都會包含一個屬性測試條件，用于分開具有不同特性的記錄，最終到達葉節點，即可得到類標號。
如何建立決策樹？
hunt算法：
hunt算法描述
為了更好的理解該算法的執行過程，下面給出一個例子：
給出訓練數據集
決策樹的構造過程
決策樹構造
決策樹歸納的設計問題
（1）、如何選擇合適的屬性測試條件，將記錄劃分成較小的子集？
（2）、如何停止分裂過程，即作為葉節點的條件是什么？
