赞誉

人工智能和数据科学正处于一个关键拐点，回归分类方法使得决策树模型与深度模型有机结合，这也为可解释机器学习和未来决策树模型的发展开辟了广阔的道路。本书对相关概念、原理和方法进行了深入浅出的介绍，涵盖从传统决策树到深度决策树的广泛主题，非常值得一读。书中不仅清晰地讲解了相关算法的原理，还从工程化和实践编程的角度进行了举例分析和演算，对帮助读者了解和应用决策树算法具有重要价值。

马华东，教授，博士生导师，北京邮电大学计算机学院（国家示范性软件学院）前执行院长，国家杰出青年科学基金获得者，国家973计划项目“物联网体系结构基础研究”首席科学家

决策树是人工智能机器学习算法的重要分支，具有条理清晰、定量/定性分析相结合、适用范围广等优点。本书基于作者广泛而深入的研发实践，具有两个显著的特点：系统性，系统地介绍主流的、前沿的决策树模型和算法；实用性，对于每一类决策树算法都给出了实际的编程案例，为读者学习和应用相关算法提供了很好的参考资料。虽然介绍决策树模型和算法的资料较多，但是系统介绍决策树模型、算法、编程实现及发展趋势的书还比较少见。相信本书的出版能够很好地满足希望全面且系统地学习决策树算法的读者的需求。

白鹏，博士，研究员，博士生导师，中国航天空气动力技术研究院科技委常委

对于任何有兴趣进一步了解数据分析决策和相关数据科学技术的人来说，决策树模型都是一个很好的起点，因为它简单快速而且具有可解释性。本书系统地介绍了从传统决策树到深度决策树的各类现代决策树模型，从必要的公式推导，到详尽的实例计算，再到可实践的编程代码，带领读者快速进入决策树领域，并将其应用在自己的工作中。

胡金晖，中电科新型智慧城市研究院有限公司总经理助理

本书详细介绍了以决策树为基础的多种经典方法和新的技术进展，在CNN和Transformer等神经网络范式盛行的今天，向读者展示了另外一条经典的人工智能技术路径。决策树及其变种作为经典的机器学习算法，已经大量应用于实际生产系统，相比于黑盒的深度神经网络，决策树算法有着计算速度快、可解释性强的优点。除了理论介绍外，本书还配备了丰富的实例和相应的代码实现，可以作为决策树模型初学者的入门教材，也可以作为专业人员的参考书。

王均松，华为人工智能系统专家

这是一本精彩的书，涵盖所有核心算法，从经典决策树到创新的深度决策树均有讨论。全书通过公式推导、实例演算和编程实践，以易于理解的方式呈现了决策树的精髓。本书对于推动决策树的实践应用具有重要价值。

张峰，中国电科信息科学研究院认知与智能技术重点实验室副主任

本书是了解和学习现代决策树的必备书籍，对重新认识决策树模型和深度学习方法以及可解释机器学习模型具有重要作用。

孙亭，中电科西北集团有限公司董事、常务副总经理

作为一种现代工具，人工智能正在快速渗透到各行各业并产生深远影响。如果你正在关注人工智能，且试图用人工智能解决一些实际问题，那么，本书非常值得一读。它系统地介绍了现代决策树算法，通过大量的实例和完整的代码实现，帮助你快速了解决策树算法，掌握其精髓，建立用决策树算法解决实际问题的思路，并快速形成代码，体验人工智能的超强能力。

杨武兵，博士，中国航天空气动力技术研究院研究员、博士生导师

决策树具有分类速度快、易于理解等特点，在人工智能领域应用广泛。本书以决策树相关项目实践为基础，全面介绍决策树算法的相关知识，包括决策树发展历史、当前决策树算法面临的主要问题、当前经典决策树算法原理及编程实践、决策树算法的并行化等。本书是数据科学、大数据技术、人工智能等相关领域的技术人员入门或提升技能的不可多得的参考书。

陶袁，博士，吉林师范大学数学学院副教授，吉林师范大学博达学院数学学院院长