是的，您可以使用决策树或随机森林来完成这项任务，这甚至是 2010 年初/中期之前最先进的方法。例如，这是 2010 年的一篇论文，其中正是这样做的。如今，我们使用卷积神经网络 (CNN)，因为它们通常会产生更高的准确性并且更便于训练，只要您有大量图像和不错的计算资源。

CNN 最方便的地方在于，它们在训练过程中会自行隐式创建特征，而其他机器学习技术，例如决策树，则需要您事先创建一组特征。

例如，在参考论文中，作者必须生成图像的局部二进制模式，然后用它们来训练他们的决策树。使用 CNN，他们会简单地使用原始图像，并且很可能会获得更高的准确度。但是，请注意，他们需要更多的图像来训练 CNN，而不是训练决策树。

如果您要对人脸进行分类，可以使用决策树，但是，预计它们不会提供非常好的结果。为什么？

图像，尤其是人脸严重依赖于特征之间的局部关系（即彼此靠近的像素）。决策树没有考虑到这一点，因此结果可能不是很好，或者可能受到噪声的严重影响。

此外，树很强大，但通常它们在简洁时很有用，这需要特征有意义。然而，图像有一些最没有意义的特征（像素）