决策树：
1、场景：最典型的应用场景是预测和分类，如新客户分类。
2、特点：决策树有很好的直观性，生成模式简单，对预测和分类结果也有很好的解释性。
3、相关概念：熵是无序性（或不确定性）的度量指标。假如事件A的全概率划分是（A1,A2,...,An）
,每部分发生的概率是(p1,p2,...,pn)，那信息熵定义为：
entropy(p1,p2...pn)=-p1log2p1-p2log2p2-....pnlog2pn
Information Gain(IG)，信息增益和信息熵描述的信息是一致的；描述的是对于数据集合S，将其按照
其属性A切分后，获得的信息增益值。
Gain(S, A)=E(S)–E(S, A)
