用途：从 CSV、TXT 或 TSV 表格文件训练决策树模型，适用于分类或回归任务，并输出特征重要性排序结果。
主要能力：支持 classification、regression 与 auto 三种任务类型；auto 模式下数值目标唯一值超过 10 视为回归，否则视为分类。输出特征重要性表（含 rank、feature、importance、relative_importance）与排序图，同时保存评估指标、预测结果和模型文件。自动识别无名称或 id/rowname 类首列为行名，将字符型预测变量转为因子，并在建模前列出含缺失值的行。
用法：需在 shell 中可运行 Rscript，并安装 optparse、data.table、rpart 包，缺失时可用 Rscript -e 'install.packages(c("optparse", "data.table", "rpart"), repos="https://cloud.r-project.org")' 安装。主命令为 Rscript scripts/main.R --data_file <input_file> --target_var <target_column> --task_type <auto|classification|regression> --output_dir <output_dir>；--data_file 与 --target_var 为必填。其他可选参数包括 --train_ratio（默认 0.7）、--max_depth（默认 5）、--minsplit（默认 10）、--minbucket（默认 3）、--cp（默认 0.001）、--seed（默认 42）、--exclude_vars、--importance_top_n（默认 15）、--output_format（csv 或 txt，默认 csv）。输出目录默认 ./Decision_Tree_Results，包含 data、table、figure 子目录；主要文件为 table/decision_tree_feature_importance.<csv|txt>、table/decision_tree_metrics.csv、figure/decision_tree_feature_importance.pdf，另有预测 CSV 和模型 rds。
适用场景：需要快速完成决策树建模、查看特征重要性排名的表格数据分析，尤其适合命令行批处理与标准化输出。
限制：需至少 5 行完整数据；若省略必填参数会以 SKILL_MISSING_INPUT 退出；常见错误码包括文件不存在、列缺失、数据无效、参数无效、数据不足和依赖缺失。若拟合树未发生分裂，运行会完成但会发出警告，此时特征重要性或预测可能退化，可降低 --minsplit 与 --minbucket 或提供更多训练行。价格与平台等更多信息暂未提供。