决策树从数据集合中提取出一系列的规则，这些规则可以用流程图表示，其数据形式非常容易理解；专家系统中就经常使用决策树。
1、决策树的构造：①采用ID3算法（最高信息增益）划分数据集；②递归创建决策树。
2、使用matplotlib的注解功能，可以将存储的树结构转化为容易理解的图形。
3、使用python的pickle模块可用于存储决策树的结构。
4、对于过度匹配的问题，可以通过裁剪树的手段来消除。
5、ID3算法适合处理标称型数据，如果是数值型数据，必须离散化。
6、还有其他的决策树算法，最流行的树C4.5和CART。无论是ID3还是C4.5最好在小数据集上使用，决策树分类一般只试用于小数据。当属性取值很多时最好选择C4.5算法，ID3得出的效果会非常差。