8.4.1 决策树（Decision trees）
决策树是机器学习中最流行的一种算法，可以用于根据数据作出决策，或把输入划分为不同的类别。算法使用树描述数据的哪些属性应进行测试，对每个可能的答案决定做什么。对答案反应既可能是另一个测试，也可能是最终答案。
机器学习理论提供了复杂的方法，用于自动从数据生成树，但对于我们的示例，我们将手工创建树。图 8.3 显示了我们问题的决策树。
图 8.3 检查适合贷款的决策树；每个菱形代表问题，链接是通向另一个问题或结论（矩形）的可能答案。
我们将首先实现 F# 版本。在 F# 中，写代码通常很容易，如果我们的问题有一种非正式的规范，这里，是要处理的数据结构。决策树的规范可能像这样：
决策树
决策树由初始查询，构成树的根，定义的。查询由测试的名字和执行的函数组成，可以返回几个可能的答案。在我们的实现当中，将限制答案为 true 或 false。对每个回答，节点可能还包含指向下一个查询的链接，或者是经过树的这条路径的最后决定。
有了这个规范，我们就可以开始写 F# 代码了。在看到如何用 C# 实现这个问题的关键部分之前，我们希望演示像这样重写 F# 规范，是何等容易。
原文地址：http://blog.csdn.net/hadstj/article/details/41743679
