(＾ｕ＾)ノ~ cart演算法根據類標號屬性的型別，當類標號屬性是連續型時，生成的模型是回歸樹；離散型則是分類樹。
(＾ｕ＾)ノ~ 不同於id3演算法可以產生多個分支，cart每次**只能產生兩個分支，所以cart產生的決策樹是一棵二叉樹。
(＾ｕ＾)ノ~雜度（不純度）：gini（t）=1 -（ 各類數量在資料集中的概率）的平方和。
(＾ｕ＾)ノ~標準問題集：所有候選分支方案的集合。
連續屬性的標準問題集：形如 「 is a <= d? 」。
其中d的取值為：將a中不同的取值按大小排列，然後依次計算相鄰兩個數值的平均值，組成新的序列a『，a』中的值就是d。
離散屬性的標準問題集：形如 「 is a 屬於 s? 」。滿足任意s或者s的並集不能完備或為空。
生成最大樹：在標準問題集中乙個乙個計算，計算誰能讓乙個節點的雜度削減最多，則該節點就按照此屬性**。繼續對節點按此劃分，直到滿足某個停止準則才停止**，最後生成乙個完全生長的二叉樹，稱為最大樹。
樹的修剪：修剪之後的代價複雜度更小的話就修剪。逐漸增大a，逐漸刪除分支，知道被修剪只有乙個根節點，從而得到一系列樹。
子樹評估：1se規則：誤分類損失的一定範圍內選出節點數最小的。
CART分類回歸樹
cart分類回歸樹1984年提出，id3演算法1986年提出，c4.5演算法1993年提出 cart由特徵選擇 樹的生成及剪枝組成。cart假設決策樹是二叉樹，內部結點特徵取值為是和否 cart使用損失函式最小作為剪枝的標準。回歸樹的生成 使用平方誤差最小化準則。對於任意劃分特徵a,對應的任意劃分點...
CART分類與回歸樹
十大經典資料探勘演算法 系列 c4.5 k means svmapriori empagerank adaboost knnna ve bayes cart 分類與回歸樹 classification and regression trees,cart 是由四人幫leo breiman,jerome...
CART回歸樹與分類樹
輸出是連續變數的是回歸樹，輸出是離散變數的是分類樹。cart決策樹是乙個二叉樹。輸入空間劃分為m個單元 單元對應輸出 是其對應的輸入空間。輸出取 上所有輸出的均值 下面，看輸入空間的劃分方法。假設最優切分變數 最優切分點 輸入空間被劃分為兩部分 它們的輸出是各自輸入空間中樣本標籤值 的均值和 因此，...