在机器学习中最简单的分类问题，就是对数据集合的“划分”来确定出“信息增益”，其过程就是去熵提纯，形成模型树，从而达到预测准确率。​但是，看似这么简单的一件事情，需要不断剔除意义不大的数据特征值，然后不断重复排布构建特征树，即便是看似不大的数据集，经过重复N次的训练，最终也会变成大规模数据处理的问题！这就是为什么大数据技术与分布式架构就是实现数据智能的基础。