预测用户用不用某个移动服务，用决策树算法其实还挺合适的。Pew 研究中心的数据够真实，也够全，140 个变量看起来有点吓人，不过文中只挑了关键字段来做，省事多了。

机器学习这块，用Decision Tree入门还蛮友好，逻辑清晰、结果也直观。你如果做数据或者想做用户行为预测，这篇研究思路可以参考下，尤其是变量筛选的部分。

数据层面，教育程度成了最强预测因子，这点挺有意思；而种族的影响最小，这和多人直觉刚好相反。你做推荐系统、行为建模之类的，也可以留意下这种变量影响的差异。

推荐顺带看看几个资源，比如决策树算法：机器学习经典工具和Java 实现的 ID3 决策树及其预测功能，有代码、有，结合着论文读效果更好。

如果你正打算研究移动服务的用户偏好，或者想用决策树模型搞点预测，这篇论文的整体思路和数据方法还是蛮值得借鉴的，代码实现也不复杂，改改就能用。