决策树学习主要利用信息论中的信息增益（information gain)，寻找数据集中有最大信息量的变量，建立数据的一个节点，再根据变量的不同值建立树的分枝，每个分枝子集中重复建树的下层结果和分枝的过程，一直到完成建立整株决策树。

决策树过拟合时，先剪枝和后剪枝的效果和计算量完全一样，因此可以随意选择。

判断题决策树过拟合时，先剪枝和后剪枝的效果和计算量完全一样，因此可以随意选择。

数据处理是讲信息转换成数据的过程。

判断题数据处理是讲信息转换成数据的过程。

数据量足够大时，增加或删除一些变量对最终的聚类结果不会有太大影响。

判断题数据量足够大时，增加或删除一些变量对最终的聚类结果不会有太大影响。