决策树算法的有点 简单, 直观, 可解释性强, 建树容易 不需要预处理, 归一化, 以及处理缺失值 离散值, 连续值, 及其混合都可以处理 能够多分类 缺点 容易过拟合, 泛化能力不强 样本发生改动, 会导致树的结构发生变化, 这里可以通过集成学习方法解决 容易偏向某些特征(强特征)