上篇文章刚刚说到决策树这个问题，如果我们本来就知道这些条件，那么自然就去写if……else……来构建分支选择条件就好了，但是大部分情况下，是我们根本不知道这些条件：

你做一个我就知道我要什么了……这只是一个美好的梦想，实际上：

不需要……需要……要……

此刻，我的心情是：

遇上这种情况，怎么办呢？这就是我们今天要说，当你不知道规则的时候（客户的需求），但是你有很多设计稿已经被客户给毙了（有很多分类的样本），我们怎么来构建一颗客户的决策树。

首先，来看看下面的最简单的数据：

第一列是设计图中使用的图片数量，第二列就是客户是否接受这个设计，然后通过R语言的tree包，直接生成树：

代码见文章底部的github地址

可以很清晰的看出，这就是一个非常简单粗暴的均分法，用平均数作为分断标准。

实际上，这么简单的数据，就算不用这个包去计算，用眼睛一看也能明白，但是如果数据量非常大的话，眼睛自然就不够用了，比如下面这份北京市1978-2005年的GDP数据（数据和代码，见文章底部）：

按照传统回归的方式，我们就选择GDP与年份来进行线性回归（看看随着年份的变化，GDP的变化情况是怎么样的）：

可以看见，两个变量之间简单的线性回归，r方（判断系数）还是挺高的，达到了0.74，也就是说，我的全局回归模型，能解释74%的自变量对因变量的关系，这个拟合程度是比较高的。

下面我们可以试试局部回归，局部回归最大问题就是如何确定回归的窗口，过大，效果不明显，过小，又会出现过拟合，所以……我们的决策树就可以登场了，首先做一个决策树，看看分类情况以及数据分布情况：

接下去我们可以进行一下局部回归：

如果就做第一层树的窗口回归，以2006年分段，发现在2006年之后的拟合度达到了0.99，这是一个很高的拟合度了，而2006年之前，拟合度也从全局的0.74提升到0.76，不十分明显。

而2006年之前，还可以再分为2000年之前与2000年之后，再做第二层的局部回归：

可以发现，随着层数的加深，局部回归的拟合性能就越好……当然，如果你把窗口缩小到最小，那么就可能出现完全拟合，也就是所谓的过拟合了。

树的层数，决定了窗口的粒度，粒度越细，就能揭示更多的细节，而粒度越粗，就更能抽象出整体的趋势。那么我们把三条回归线都绘制上去，看看最后的结果：

R语言的Tree包，实际上对于树的分层没有太好的控制，虽然可以用tree.control这个参数来控制分裂的最小样本数，但是没有办法控制树的层数，下一章，我们看看Python里面的机器学习包sklearn会不会有更好的办法。

待续未完。

文中R语言的源码和数据，大家可以到虾神的github仓库下载（点击原文也可以跳转过去）：

https://github.com/allenlu2008/RDemo