决策树的类型

在上面的学习中，我们了解到决策树主要是用于分类算法，那么，它能不能解决回归问题呢？答案是肯定的，根据目标变量的类型，我们将决策树分为两类：
（1）分类决策树：具有离散型目标变量的决策树。
例如，在上述人群预测分类问题中，目标变量是否喜欢打游戏，即输出结果是“是”或“否”，这样的决策树我们称之为分类决策树。

（2）回归决策树：具有连续型目标变量的决策树。
例如：对于保险公司来讲，明确客户收入对公司盈利是非常重要的，但关键是公司并不知道每个客户的收入详情。此时，就可以根据客户的职业、购买产品以及其他信息来建立决策树模型，然后去预测客户的收入，这里我们输出的预测值就是连续型变量，得到的决策树我们称之为回归决策树。