📚 什么是决策树？
决策树通过一系列 if-else 问题将数据分到不同叶子节点，每个叶子给出预测类别。就像医生问诊：「是否发烧？」→「是否咳嗽？」→ 诊断结果。
优点：可解释性强、无需特征缩放、可处理非线性。缺点：容易过拟合（需剪枝或限制深度）。
🎮 交互：「是否出去玩？」决策树
点击树节点查看分裂条件；选择下方样本，观察它如何被分类。
选择样本或点击节点…
📊 分裂准则简介
- 信息增益（ID3）：选择使熵下降最多的特征
- 基尼指数（CART）：$Gini = 1 - \sum p_k^2$，越小越纯
- 预剪枝 / 后剪枝：限制深度或合并叶子，防止过拟合