算法工程师在实际求职面试中，决策树内容几乎是机器学习领域必考必问的知识点，因为它不仅是常见的机器学习模型，更是在许多互联网公司实际业务中得到广泛的使用。决策树模型具有可解释性，容易向业务部门人员描述。而且决策树模型分类速度很快，很受互联网公司的欢迎。
决策树面试问题1：什么是决策树？
决策树面试问题2：和其他模型比，决策树的优点？
决策树面试问题3：如何学习一棵决策树？
决策树面试问题4：构建决策树的过程中，如何选择最优特征呢？
决策树面试问题5：构建决策树过程中，递归的终止条件是什么呢？
答案：
通常有两个终止条件：一是所有训练数据子集被基本正确分类。二是没有合适的特征可选，即可用特征为0，或者可用特征的信息增益或信息增益比都很小了。
决策树面试问题6：什么是决策树剪枝，怎么剪枝？
决策树面试问题7：决策树几种常用的算法如何选择划分的特征？
答案：
常用的几种决策树算法有ID3、C4.5、CART等。其中ID3使用的是信息熵增益选大的方法划分数据，C4.5是使用增益率选大的方法划分数据，CART使用的是基尼指数选小的划分方法。
决策树面试问题8：如何防止过拟合？
决策树面试问题9：什么是随机森林？
决策树面试问题10：决策树模型的特征选择中，除了信息增益、信息增益比、基尼指数这三个外，你知道的还有哪些呢？