Cart分类树

基本概念

采用gini系数来代表模型的不纯度，gini系数越小，不纯度越低，代表越有序。每个样本存在多个特征，每个特征不同的值约定为类别，每个样本归属哪一类约定为标签。gini系数定义式如下 假设样本集D分为K个标签，第k个标签的概率为，则该样本集的Gini系数表达式为如果是二分标签问题，样本集中第一个标签的概率为p，则样本集的Gini系数表达式为如果样本集合D根据特征Asdf 

              

CART分类树算法每次仅对某个特征值的值进行二分，而不是多分，这样CART分类树建立起来的是二叉树。

建立流程

 

剪枝原理及流程

缺失值处理

训练过程

推理过程

实际案例

 

Cart回归树

基本概念

实际案例