推薦序二

現在人們常說選擇比努力更加重要，說的就是在面對眾多可能性時，保持清晰的思路，做出最有利于自己的決策并為之堅持不懈。這體現了決策在生活中的意義。決策可大可小，大到國家政策，小到生活瑣事。但是無論決策大小，都需要決策者對所面臨的問題以及內外部各種因素進行綜合考量，這樣才能夠做出最佳決策。尤其是在當下這個大數據時代，各種數據和因素都會影響決策者的判斷，這就需要決策者學會利用數據分析方法，從而不會迷失在數據海洋中。

在數據分析領域，決策樹是一種非常流行的方法，此方法能夠保證我們在面臨各種干擾的時候做出理性的判斷。近年來隨著高性能計算、大數據和深度學習技術的飛速發展，決策樹算法及其應用也得到了更為廣泛的關注和更加快速的發展。尤其是決策樹與深度學習相結合而發展起來的深度強化學習技術已取得若干突破性進展。

經典決策樹算法誕生在20世紀90年代之前，它是一種非參數化的有監督學習方法，可用于分類和回歸任務。與人工神經網絡等算法不同，決策樹相對來說更容易理解和解釋，因為它共享內部決策邏輯。許多數據科學家認為這是一種老方法，而且存在過擬合問題，對其準確性也有一些懷疑。但最近的基于樹的模型，特別是隨機森林、梯度提升和XGBoost等建立在決策樹算法之上的機器學習模型，已經獲得了巨大的成功。我們相信，未來決策樹算法將在數據分析領域擁有更廣闊的應用前景。

因此，現在可以說是深入學習決策樹算法的最佳時機，而本書則是入門和精通決策樹算法的不二選擇。書中系統地講解了決策樹算法的概念、基礎知識和原理。從內容廣度上來看，本書匯總了經典的決策樹算法，不僅分析了各個決策樹算法的核心原理，同時還進行了代碼實現。從內容深度上來看，本書既介紹了傳統的決策樹算法（CART、ID3、C4.5等），也包括最近發展起來的深度決策樹算法（并行決策樹、蟻群決策樹、深度決策樹等）。通過閱讀本書，讀者能夠快速、準確地了解決策樹的全貌，并明晰未來決策樹算法在數據分析領域的用途。

楊文勝

國家市場監督管理總局廣州數據中心（災備中心）主任

北京信城通數碼科技有限公司CEO