上篇文章发出来之后，出现了这样的反响：
所以，今天我们来点有颜色的图片和内容……
前文说到，通过决策树可以有效的识别回归的窗口，但是如果仅仅把决策树当成局部回归的探索性工具来用，就有些大材小用了……
树的算法和概念最早由Earl B.Hunt（1933年 - 2016年，美国心理学家和人工智能专家，华盛顿大学计算机科学系兼职教授，国际情报研究学会的前任主席），在1966年就提出来的，下面这位就是Hunt教授
图片来源：wiki百科https://en.wikipedia.org/wiki/Earl_B._Hunt
决策树为什么一直在统计学领域里面不愠不火，而到了机器学习领域里面，就突然炙手可热呢？不是一直说，机器学习以及人工智能不就是统计学么？（1月17日，华为创始人兼CEO任正非在深圳接受央视记者专访时候的原话）
这里如果要涉及到机器学习、人工智能和统计学的异同的话，产学研三界，恐怕得有几百本书来论述这个问题，实际上虾神我也不是做理论研究的，在这种大方向的议题上，也翻不出啥花样来，我这里就通过一个简单的说明，来看看这两个问题。
统计学整体作为一门学科，实际上它的范围更大，他是属于数学领域里面的一个重要组成部分，而机器学习更多时候，被看成是一种算法，所以机器学习更多时候是计算机学科里面的东西。
比如我们通过一个简单的例子来聊聊：使用苹果的各项数据为自变量，最后判断是否是苹果作为因变量来进行回归（为什么我会想到草地养护和石榴种植的问题捏？一定是幻觉，1024……）
统计学的核心，在于在如此多的苹果中，选定需要参与回归的样本（统计抽样，是统计学的一个核心内容），统计抽样里面，有一个理论，就是抽样的样本，到达一定的平台期之后，再增加样本的数量，对最终的分析结果并不会出现更大的影响。
最终通过这些样本的参数，总结出苹果的各项特征对于苹果的判定模型，这个一个回归建模的过程，就是属于统计学的范畴，之后，我们拿一个样本来，进行判断：
这个判定，就是属于机器学习的范畴了。
那么，什么人工智能呢？
上面这个小小的段子，实际上体现了人类的思维与机器思维一种本质性的不同，人的思维，对于形象和比喻比较容易接受，就像我们小学时候老师教写作文的时候，对于描写来说，比喻具有更好的效果。
（说到这里，虾神一直记得老师打的一个比喻：描写一个老人，在外貌描写的时候，一个同学洋洋洒洒的写了几百字：皮肤的颜色呈现一种黄褐色，深深的皱纹，没有一点湿润的光泽……而另外一个同学就写了一句话：像风干的橘皮一样皮肤……）
所以，从原理算法来说，机器学习，基础理论基本上运用的都是统计学的思想和理论，而它本身，主要集中在“学以致用”的用上面。
统计学的回归里面，不可能要求模型符合每个样本的特征……青苹果和红苹果，都属于苹果，只要符合大致需求，那么出现的那些问题，是属于残差拟合的范畴内。统计学里面，对于过拟合，一直持有否定态度。
上面是一些关于统计学与机器学习的一些思考，上篇文章说了我们会用Python来对决策树的使用进行一个示例，下面进入Python代码时间：
今天要介绍的Python决策树方法包，是Python机器学习领域里面最出名的sklearn包里面的一个方法：DecisionTreeRegressor。
关于这个如雷贯耳的包，我就不多做介绍，下面来看看怎么用的：
（源代码在虾神的github仓库中找，地址见文章最底）
关于决策树以及各种包的使用，大家可以查阅相关的文档，以后有机会还会继续再说。
需要源代码的同学可以到以下位置下载:
https://github.com/allenlu2008/PythonDemo
待续未完
