VFDT是一种基于Hoeffding不等式建立决策树的方法，透过不断地将叶节点替换为决策节点而生成，其中每个叶节点都保存有关于属性值的统计信息。
当一个新样本到达后，在树的每个节点都进行划分测试(判断？)，根据不同的属性取值进入不同的分支最终到达树的叶节点。
在数据到达叶节点后，节点上的统计信息会被更新，同时该节点基于属性的测试值将重新计算。
信息增益” （Information Gain）来衡量一个属性区分以上数据样本的能力。信息增益量越大，这个属性作为一棵树的根节点就能使这棵树更简洁，比如说一棵树可以这么读成，如果风力 弱，就去玩；风力强，再按天气、温度等分情况讨论，此时用风力作为这棵树的根节点就很有价值。如果说，风力弱，再又天气晴朗，就去玩；如果风力强，再又怎 么怎么分情况讨论，这棵树相比就不够简洁了。
原文：http://my.oschina.net/supersonic/blog/479195