从泰坦尼克号开始到决策树，千里之行始于coding。
1 初衷
初衷一：一直以来从网上各路大神的分享中受益匪浅，总也想有点feedback。
初衷二：很早就想好好写一写决策树（曾经用SAS写过ID3,但是总觉得那不算是一个很好的完成状态）。
2 文章的内容
这一系列的文章大约分成四部分：
第一部分：介绍Kaggle上的一个例子，是基于泰坦尼克号生还/死亡数据做的决策树模型。个人觉得这个例子还是不错的，认同里面说的一些理念；当然最大的好处是提供了样本数据，并且做出了一些结果，可以和自己写的结果进行印证。
第二部分：决策树的基本概念，以及我实现决策树的过程。比较有趣的是，我一直更喜欢函数式编程，但是在写决策树的过程中，突然发现对象式编程的写法还是比较方便的。
第三部分：按流程把过程中用到的大约20几个函数的实现都逐一的说明。
第四部分：如何使用自建的决策树进行应用，比较结果。（之后会使用决策树继续做深度树）
3 从泰坦尼克号开始（Kaggle)
Introduction to Decision Trees (Titanic dataset)
先给出Kaggle（简称K)给出的决策数据结果，整体上说，决策树模型的结果还是比较容易懂的，里面具体的内容我下次再细说吧。
泰坦尼克号事故的背景可以通过电影有比较好的了解，简单来说以下模型的任务是预测乘客的生存率（survived or not）。需要的画可以把电影再看一次。
变量解释
sibsp: The dataset defines family relations in this way…
Sibling = brother, sister, stepbrother, stepsister
Spouse = husband, wife (mistresses and fiancés were ignored)
parch: The dataset defines family relations in this way…
Parent = mother, father
Child = daughter, son, stepdaughter, stepson
Some children travelled only with a nanny, therefore parch=0 for them.
