【机器学习算法】——决策树：CART

理论

CART全称叫Classification and Regression Tree，即分类与回归树。CART假设决策树是二叉树，内部结点特征的取值只有“是”和“否”，左分支是取值为“是”的分支，有分支则相反。这样的决策树等价于递归地二分每个特征。
CART分类回归树可以做分类或者回归。

• 如果待预测结果是离散型数据，则CART生成分类决策树；
• 如果待预测结果是连续型数据，则CART生成回归决策树。
  CART分类树使用==基尼指数(gini)==作为节点划分依据。
  CART决策树的生成就是递归地构建二叉决策树的过程，对回归树用平方误差最小化准则，对分类树用基尼指数最小化准则，进行特征选择，生成二叉树。
  简而言之：选取Gini指数最小的分支属性作为根节点的分支属性！！！
  学习视频：【【五分钟机器学习】可视化的决策过程：决策树 Decision Tree】

sklearn 库实现

1. 安装库文件，用于生成二叉树的图：
   pip install graphviz

2. 下载graphviz安装包进行本地安装：参考学习

3. 重启pycharm。

4. 写代码：
   决策树需要从`from sklearn import tree’导入

clf = tree.DecisionTreeClassifier(criterion='gini'