一、决策树
1、决策树是一种基本的分类与回归方法，本文主要讨轮用于分类的决策树，决策树模型呈现树形结构，在分类问题中，表示基于特征对实例进行分类的过程，
学习时，利用训练数据，根据损失函数最小化的原则建立决策树模型
预测时，对新的数据，利用决策树模型进行分类，
决策树学习通常分为3个步骤：特征选择、决策树的生成和决策树的修剪，
2、特征选择：
特征选择在于选取对训练数据具有分类能力的特征，这样可以提高决策树学习的效率，
选择的准则是信息增益或信息增益比
信息熵：
经验熵：类别/D
二、条件随机场
条件随机场（CRF）是给定一组输入随机变量条件下，另一组随机变量的条件概率分布模型，其特点是假设输出随机变量构成马尔科夫随机场，条件随机场可以用于不同的预测问题，下面主要讨论在标注问题的应用
字面理解：随机场，是指随机变量，条件，是指在给定一组输入随机变量作为条件，输出变量的条件概率分布模型
