主要用到的包：rpart、party、randomForest

         决策树算法中，会对数据特征不断提问，然后根据每次回答逐步对数据进行分类。

        节点（Node）的分类：节点分为根节点（Root Node）与叶节点（Leaf Node）。其中根节点位于决策树最顶部，它是分类的起始点，位于最底端且没有子节点的节点成为叶节点。

        在决策树中，对各节点提问题，并根据回答对节点进行分叉，从而实现分类数据的目的。‘不纯度’（impurity）用作评估数据分离程度的标准，将一个节点数据划分为2个子节点时，最好的提问能够使子节点的不纯度降至最低。

        节点中含有的分类越多，不纯度越高。反之，只有一个分类的时候，不纯度最低。

        用于创建决策树的包有很多，此处使用rpart包，它实现了比较有名的分类与回归树（Classification and Regression Trees，CART）

        以下示例中，使用rpart()函数为鸢尾花数据创建决策树：