决策树(Decision Tree）
是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。

决策树是一种树形结构，其中每个内部节点表示一个属性上的测试，每个分支代表一个测试输出，每个叶节点代表一种类别。

决策树又称分类树，是一种十分常用的分类方法。
它是一种监督学习，简单来说，就是给定一些样本，每个样本都有一组属性和一个类别，那么通过学习这些样本得到一个分类器，这个分类器能够对新出现的对象进行正确的分类，即为监督学习。

优点：
1.决策树易于理解和实现，它能够直接体现数据的特点，在经过解释后都能简单的理解决策树所代表的意义。

2.决策树能够同时处理数据型和常规型属性，在相对短的时间内能对大型数据源做出可行且效果良好的结果。

3.决策树易于通过静态测试来对模型进行评测，可以测定模型可信度。

缺点：
1.对连续性的字段比较难预测。

2.对有时间顺序的数据，需要很多预处理的工作。

3.当类别太多时，错误可能就会增加的比较快。

4.一般的算法分类的时候，只是根据一个字段来分类。

—————————————————————————————

决策表（Decision Table）
用表格的方式描述决策问题一种方法，决策表是一个以行、列形式来描述和表示决策规则和知识信息的表，这种表格也被称为决策矩阵。

决策表又称判断表，是一种呈表格状的图形工具，适用于描述处理判断条件较多，各条件又相互组合、有多种决策方案的情况。

决策表能将多个独立的条件和多个动作直接的联系清晰的表示出来。

优点
1.决策表能罗列出所有的可能情况，并清晰的指出相应的处理方式，用户不需要考虑其中的逻辑关系就能一眼看出其中什么样的动作对应什么样的情况。

2.所有可能情况的平面罗列，也能避免在程序语言编写中，因为逻辑上的层层嵌套而产生遗漏。

决策表 又称判断表，是一种呈表格状的图形工具，适用于描述处理判断条件较多，各条件又相互组合、有多种决策方案的情况。 在所有的功能性测试方法中，基于 决策表 的测试方法被认为是最严格的，因为 决策表 具有逻辑严格性。 不同于传统程序语言中的控制语句， 决策表 能将多个独立的条件和多个动作直接的联系清晰的表示出来。 决策表 是分析和表达多逻辑条件下执行不同操作的情况的工具。在程序设计发展的初期， 决策表 就已被用作编写程序的辅助工具了。它可以把复杂的逻辑关系和多种条件组合的情况表达得比较明确。方便程序员无需知道背 在程序设计过程中，经常会出现多层逻辑控制的嵌套，而这样的嵌套关系往往会导致我们不能直观的看出程序的逻辑关系，这会导致在测试过程中比较容易出现遗漏。因此我们需要引入 决策表 、 决策树 ，其中 决策表 就是设计逻辑控制时十分重要的一个工具。 先看看定义（虽然并且没多少人能一眼看懂），但我还是决定先列在这里，等你阅读了后面例子之后就会明白。 概念： 决策表 是分析和表达多逻辑条件下执行不同操作的工具。 其次我们来看看 决策表 的构成： 条件桩——列出问题的所有条件 条件项——针对条件桩给出的条件列出所有可能的取 决策表 （ 决策树 ）： 1、概念： 决策表 又称判断表，是一种呈表格状的图形工具，适用于描述处理判断条件较多，各条件又相互组合、有多种决策方案的情况。精确而简洁描述复杂逻辑的方式，将多个条件与这些条件满足后要执行动作相对应。但不同于传统程序语言中的控制语句， 决策表 能将多个独立的条件和多个动作直接的联系清晰的表示出来。 2、 决策表 结构 决策表 一般分为4个部分。 每个条件对应一个变量、关系或预测，“候选条件”就是它们所有可能的值；动作指要执行的过程或操作；动作入口指根据该入口所对 动作桩——列出问题规定的可能采取的操作 动作项——支出在条件项的各组取值情况下应采取的动作 规则——任何一个条件组合的特定取值及其相应要执行的操作称为规则。在判定表中贯穿条件项和动作项的一列就是一条规则。 决策树 ： 决策树 (Decision Tree）是在已知各种情况发生概率的基础上，通过构成 决策树 来求取净现值的期望值大于等于零的