CART

分为回归树和分类树
CART前提是采用的二叉树决策树，不论是回归还是分类都是是/否
1。回归树
假设把输入空间划分，每个空间单元有一个固定的输出值，模型表示为：

易知每个单元Rm熵的固定输出值Cm最优值为样本在此单元上输出的均值。
在确定模型中采用了平方误差来进行误差确定

j是特征j，s是特征j对应的一个取值（就是要确定怎样划分空间，用什么特征，特征中的那个值）
[ ] 里面的就是二叉树的两部分，两部分最小化误差，那么根据求导可知:
c1 = R1中y的均值，c2同理
这样得到两个划分，再对这两个继续划分，最后得到回归树
回归树本质在于采用平方损失，找到划分的特征和取值

2。分类树
注意区别，这里由于是二叉树，对于特征取值多的，采用特征 = 1是不是这样的方式进行分叉
特征划分标准：基尼指数

生成分类树的方法就是：
就看G(D,A)哪个小选择哪个作为分类特征