TDIDT 代表“自上而下的决策树归纳”；我还没有找到证据表明它指的是特定的算法，而只是指贪婪的自上而下的构造方法。因此（似乎）您提到的所有其他算法都是 TDIDT 的实现。第一次迭代是由于 Hunt，1966 年的“概念学习系统”。

ID3 归功于 1979 年的 Quinlan，改进了 CLS。（有趣的事实：它最初旨在解决决定 King-rook 与 King-knight 国际象棋残局可赢性的问题。）这进一步改进到 C4.5，然后到 C5.0。此分支仅适用于分类。

CART（“分类和回归树”）由 Breiman、Friedman、Stone 和 Olshen 在 1984 年大致与 ID3 并行开发。顾名思义，这个分支允许预测连续变量。

分支之间的主要区别在于如何使用不同的度量来确定拆分。早期似乎在处理缺失数据等方面存在差异，但这些似乎大部分都包含在所有最近的迭代中。

当然，还有许多其他改进或变化。一些（历史？）树构建算法生成非二叉树，一些在特征的线性组合上进行分割，而不是一次仅一个，一些试图通过向前看来减少算法的贪婪性质，一些在每个叶子中生成回归模型常数函数，...

https://en.wikipedia.org/wiki/Decision_tree_learning#Decision_tree_types
W-Y Loh，“分类和回归树简史”（幻灯片）
讲座幻灯片（Aida Nordman？） Quora
1986 年
关于 Quora
类似 SO 问题
C5 的类似问题。 0 介绍