决策树之CART算法原理及python实现

1 CART算法

CART 是在给定输入X条件下输出随机变量Y的条件概率分布的学习方法。CART二分每个特征（包括标签特征以及连续特征），经过最优二分特征及其最优二分特征值的选择、切分，二叉树生成，剪枝来实现CART算法。对于回归CART树选择误差平方和准则、对于分类CART树选择基尼系数准则进行特征选择，并递归调用构建二叉树过程生成CART树。
决策树的经典算法包括ID3、C4.5、CART算法，其应用领域及所使用的准则，如下图所示。

2 CART生成算法

1. 最小二乘回归树生成算法
   之所以称为最小二乘回归树，是因为，回归树以误差平方和为准则选择最优二分切点，该生成算法在训练数据集上所在的输入空间中，递归的将每个区域划分为两个子区域并决定每个子区域的输出值，在这里分为两种情况，一是输出值为子区域输出值的均值该种情况下为回归树，二是输出值为子区域输入与输出的线性回归，输出值为回归系数，该种情况下为模型树。
   算法实现步骤：
   1）选择最优切分特征J与切分点s，按照如下原则：
   $min_{j,s}[min_{c_1}\sum_(y_i-c_1)+min_{c_2}\sum_(y_i-c_2)]$
   $c_1,c_2$分别为左右子区域输出的均值（模型树时是输出变量的回归值），可通过遍历每个变量的每个可能取值来切分数据集找出最优切分点。
   2）用切分点划分区域并决定相应的输出值
   3）递归调用1）2）直到满足停止条件
   4）利用字典，递归调用创建二叉树，生成决策树
2. CART生成算法（分类树）
   在这里需要提一下基尼系数：
   在分类问题中，假设有$K$类，样本点属于第$k$类的概率为 p