机器学习决策树基础 ID3、C4.5、CART

duoyasong5907

已于 2022-12-11 14:18:26 修改

阅读量1.9k

点赞数 4

分类专栏： AI与ML 文章标签：决策树随机森林

于 2022-12-07 01:04:13 首次发布

本文链接：https://blog.csdn.net/duoyasong5907/article/details/128196210

版权

AI与ML 专栏收录该内容

67 篇文章 3 订阅

订阅专栏

参考

b站视频【决策树、随机森林】附源码！！超级简单，同济大佬手把手带你学决策树
决策树模型及案例（Python）
决策树之基尼系数该文章的公式理解可能不对，但提供了思路。
【概率论】1-4:事件的的并集(Union of Events and Statical Swindles) 并集的概率

决策树指标

决策树有多种可选的形态，那么如何确定哪种决策树是更好的呢？有两种指标可以使用：

基尼系数
信息熵、信息增益

基尼系数

基础公式

基尼系数是一种评估决策树好坏的指标。他反映了决策树对样本分类的离散情况。假设样本集合为T，分为了若干个类别，每个类别在样本集合T中占的比例为 $p_i$ 。它的计算公式如下：
$\operatorname{gini}(T)=1-\sum p_{i}^{2}$

举个例子，假设某个员工的样本集合里都是离职员工，所以该集合只有"离职员工"一个类别，其出现的频率是100%。所以该系统的基尼系数为 $1-1^2＝0$ ，表示该系统没有混乱，或者说该系统的“纯度”很高。而如果样本中一半是离职员工，另一半是未离职员工，那么类别个数为2，每个类别出现的频率都为50%，所以其基尼系数为 $1-（0.5^2＋0.5^2）＝0.5$ ，其混乱程度很高。

公式理解

如何理解这个公式的含义？我们举个例子，假设有个贷款人员的样本集合，有贷款人员是否违约的二分类问题，1表示违约，0表示不违约。现在问：任取两个样本，它们属于同一类别的概率是多少？两个样本同属第一个类别的概率为 $P_1=p_1^2$ ，同属第二个类别的概率为 $P_2=p_2^2$ 。所以，两个样本同属一个类别的概率如下：
$\begin{aligned} Pr(P_1 \cup P_2)&=Pr(P_1)+Pr(P_2)-Pr(P_1 \cap P_2) \\ &=Pr(P_1)+Pr(P_2) \qquad \text{两个样本不可能同时都属于多个类别} \\ &=p_1^2+p_2^2 \end{aligned}$
所以，两个样本不属于同一类别的概率为 $1-Pr(P_1 \cup P_2)=1-p_1^2-p_2^2=gini(T)$ 。在二分类问题中，基尼系数的含义就是随机采样的两个样本不属于同一类别的概率。

该说法在多分类问题中一样成立。参考【概率论】1-4:事件的的并集(Union of Events and Statical Swindles)给出的公式：

图中的并集元素项都等于0，所以任取两个样本，都属于同一类别的概率为 $\operatorname{Pr}\left(\bigcup_{\mathrm{i}=1}^{\mathrm{n}} \mathrm{A}_{\mathrm{i}}\right)=\sum_{\mathrm{i}=1}^{\mathrm{n}} \operatorname{Pr}\left(\mathrm{A}_{\mathrm{i}}\right)=\sum_{\mathrm{i}=1}^{\mathrm{n}}p_i^2$ 。所以任取两个样本，不属于同一类别的概率为 $1-\sum_{\mathrm{i}=1}^{\mathrm{n}}p_i^2$ ，该说法得证。在多分类问题中，基尼系数的含义也是同样的。

引入划分后的公式

当引入某个用于划分样本空间的条件（如“满意度＜5”）时，分类后的基尼系数公式如下，其中S1、S2为划分后的两类各自的样本量， $gini(T_1)$ 、 $gini(T_2)$ 为两类各自的基尼系数。

$\operatorname{gini}(T)=\frac{S_{1}}{S_{1}+S_{2}} \operatorname{gini}\left(T_{1}\right)+\frac{S_{2}}{S_{1}+S_{2}} \operatorname{gini}\left(T_{2}\right)$

举个例子，一个初始样本中有1000个员工，其中已知有400人离职，600人不离职，划分前该系统的基尼系数为 $1-（0.4^2＋0.6^2）＝0.48$ 。
下面采用两种方式决定根节点：一是根据“满意度＜5”进行分类；二是根据“收入＜10000元”进行分类。

划分方式1：以“满意度＜5”为根节点进行划分，如下图所示，1000个员工中，200个人是满意度<5的，另外有800个人满意度>=5。计算过程如下。

T1的基尼系数： $gini(T_1)＝1-（1^2＋0^2）＝0$
T2的基尼系数： $gini(T_2)＝1-（0.25^2＋0.75^2）＝0.375$
综上，划分后的基尼系数就是
$\begin{aligned} \operatorname{gini}(T)&= \frac{200}{1000} \times 0+ \frac{800}{1000} \times 0.375= 0.3 \end{aligned}$

划分方式2：以“收入＜10000元”为根节点进行划分，如下图所示，1000个员工中，有400个人收入小于10000元，另外600人收入>=10000元计算过程如下。

T1的基尼系数： $gini（T1）＝1-（0.25^2＋0.75^2）＝0.375$
T2的基尼系数： $gini（T2）＝1-（0.5^2＋0.5^2）＝0.5$

综上，划分后的基尼系数就是
$\begin{aligned} \operatorname{gini}(T)&= \frac{400}{1000} \times 0.375+ \frac{600}{1000} \times 0.5= 0.45 \end{aligned}$

可以看到，划分前的基尼系数为0.48，以“满意度＜5”为根节点进行划分后的基尼系数为0.3，而以“收入＜10000元”为根节点进行划分后的基尼系数为0.45。基尼系数越低表示系统的混乱程度越低（纯度越高），区分度越高，越适合用于分类预测，因此这里选择“满意度＜5”作为根节点。

划分后公式的理解

如何理解划分后的基尼系数公式？在划分前，样本空间是全集。划分将决策树的分为了若干个树节点，每个树节点相当于一个样本空间子集。所以公式中将各个划分样本计算基尼系数后，按权重相加的方式，相当于计算每个划分样本空间基尼系数的加权和。

信息熵、信息增益

这里建议阅读原文决策树模型及案例（Python），对某个样本空间X计算信息熵的公式为：
$H(X)=-\sum p_{i} \log _{2}\left(p_{i}\right) \quad\left(i=1,2 \ldots \ldots{ }{\text n}\right)$
进行某种变量A划分后(比如“满意度＜5”)，信息熵的计算公式如下。则根据变量A划分后的信息熵又称为条件熵。
$H_{A}(X)=\frac{S_{1}}{S_{1}+S_{2}} H\left(X_{1}\right)+\frac{S_{2}}{S_{1}+S_{2}} H\left(X_{2}\right)$

什么是信息增益？为了衡量不同划分方式降低信息熵的效果，还需要计算分类后信息熵的减少值（原系统的信息熵与分类后系统的信息熵之差），该减少值称为熵增益或信息增益，其值越大，说明分类后的系统混乱程度越低，即分类越准确。

假设某样本的初始信息熵为 $H (X) = 0.97$ 。

按照某划分后，信息熵为 $H_A(X)=0.65$ ，那么信息增益为 $0.97 - 0.65 = 0.32$ 。
如果按照另一个划分后，信息熵为 $H_B(X)=0.3$ ，此时信息增益为 $0.97 - 0.3 = 0.67$ 。
对比两种划分，显然后者的划分能带来更多的信息增益，所以后者划分更好。

如何理解信息熵

参考信息熵为什么要定义成-Σp*log§？。

有从需求出发解释的，Intuitive explanation of entropy回答者认为，这是为了定义一种指标，能否符合给定的需要，最终选中了对数函数。

有从事件的意外性(suprise值)与信息含量解释的，越低发生的事件通常包含越高的信息量，反之亦然。但这种解释只能是抽象的，并不严格。

我的理解是，在通信场景中，你需要为各种符号（A、B、C等等符号）作编码，通常使用二进制编码。各种符号的出现频率不一样，有的符号出现频繁，其它的符号出现得较少。为了让总编码数较低，你可以为出现频繁的符号分配较少的编码，再为出现稀少的符号分配较多的编码，就可以达到更少的平均编码长度。

那么最优编码时，根据6.信息论（一）：信息量、熵和最优编码：

经过上面的证明可知，小明只需要用前缀编码，且码长满足 $log_r{\frac{1}{pi}}$ 便可获得最优的编码长度。

可知，某符号的最优编码长度其实就是suprise值，而他们的概率加权和=最优平均编码长度=信息熵的公式。

两种指标的对比

基尼系数涉及平方运算，而信息熵涉及相对复杂的对数函数运算，因此，目前决策树模型默认使用基尼系数作为建树依据，运算速度会较快。

划分策略

有一些常见的策略，可以用来生成决策树，比如ID3, c4.5 and CART。接下来本章会逐个介绍这三个算法。

ID3

ID3是相对容易理解的策略，它使用信息熵来衡量决策树的划分好坏，并根据信息增益来找出最佳的划分方式。ID3全称为Iterative Dichotomiser 3，翻译成中文就是"迭代二叉树第3代"，可见这个算法是有迭代过程的。那么读者可以思考：

该算法在一轮迭代中会做什么行为？
迭代的终止条件是什么？

定义

本节总结自决策树算法–ID3算法。

首先了解该迭代算法的定义。假设有一个数据集D，包含了若干样本，每个样本有若干个属性 $\left\{ A,B,C... \right\}$ ，以及标签值。那么，我们首先能计算出数据集D的信息熵 $E n t r o p y (D)$ 。

接下来，我们要尝试从所有属性中找出一个属性，对数据集D作划分，并选择能带来最大信息增益的那个属性。
我们先看向属性A（A有k个值， $a_1, a_2, ..., a_k]$ ），属性A能将数据集D划分为若干个子集，我们去计算划分后的信息增益：
$g a i n (D ∣ A) = E n t r o p y (D) - E n t r o p y (D ∣ A)$
这样，就能知道使用属性A划分数据集能够降低多少信息熵，减少"不确定性"。依次所有属性的信息增益 $g a i n (D ∣ A), g a i n (D ∣ B), . . .$ 然后选择最大值的那个属性，便是这轮迭代的划分最优选。

然后，对每个子集继续迭代，直到没有特征选择，或者标签完全一样了为止，这边是迭代的终止条件了。

用更结构化的语言来描述算法

从根节点开始，计算所有属性的信息增益，选择信息增益最大的属性作为节点的划分特征；
由该特征的不同取值建立子节点；
再对子节点递归1-2步，构建决策树；
直到没有属性可以选择或类别完全相同为止，得到最终的决策树。

举例

本节总结来自深入浅出理解决策树算法（二）-ID3算法与C4.5算法

接下来用示例进一步解释ID3算法。假设数据集有一批西瓜样本，每个西瓜有属性{色泽, 根蒂, 敲声, …}，标签为"好瓜"(取值是或否)。如下图所示，分割线上半部分的样本，其标签"好瓜"都为是，分割线下半部分的样本，其标签"好瓜"都为否。

正例(好瓜)占 8/17，反例占 9/17 ，根结点的信息熵为。
$\operatorname{Ent}(D)=-\sum_{k=1}^{2} p_{k} \log _{2} p_{k}=-\left(\frac{8}{17} \log _{2} \frac{8}{17}+\frac{9}{17} \log _{2} \frac{9}{17}\right)=0.998$

计算各属性的信息增益

接下来，计算当前属性集合{色泽，根蒂，敲声，纹理，脐部，触感}中每个属性的信息增益。

先选择色泽属性计算信息增益。色泽有3个可能的取值：{青绿，乌黑，浅白}

D1(色泽=青绿) = {1, 4, 6, 10, 13, 17}，正例 3/6，反例 3/6
D2(色泽=乌黑) = {2, 3, 7, 8, 9, 15}，正例 4/6，反例 2/6
D3(色泽=浅白) = {5, 11, 12, 14, 16}，正例 1/5，反例 4/5

3 个分支结点的信息熵
$\begin{array}{l} \operatorname{Ent}\left(D^{1}\right)=-\left(\frac{3}{6} \log _{2} \frac{3}{6}+\frac{3}{6} \log _{2} \frac{3}{6}\right)=1.000 \\ \operatorname{Ent}\left(D^{2}\right)=-\left(\frac{4}{6} \log _{2} \frac{4}{6}+\frac{2}{6} \log _{2} \frac{2}{6}\right)=0.918 \\ \operatorname{Ent}\left(D^{3}\right)=-\left(\frac{1}{5} \log _{2} \frac{1}{5}+\frac{4}{5} \log _{2} \frac{4}{5}\right)=0.722 \end{array}$

那么我们可以知道属性色泽的信息增益是：
$\begin{aligned} \operatorname{Gain}(D, \text { 色泽 }) & =\operatorname{Ent}(D)-\sum_{v=1}^{3} \frac{\left|D^{v}\right|}{|D|} \operatorname{Ent}\left(D^{v}\right) \\ & =0.998-\left(\frac{6}{17} \times 1.000+\frac{6}{17} \times 0.918+\frac{5}{17} \times 0.722\right) \\ & =0.109 . \end{aligned}$

同理，我们可以求出其它属性的信息增益，分别如下：
$\begin{array}{l} \operatorname{Gain}(D, \text {根蒂})=0.143 ; \operatorname{Gain}(D, \text {敲声})=0.141 ; \\ \operatorname{Gain}(D, \text {纹理})=0.381 ; \operatorname{Gain}(D, \text {脐部})=0.289 ; \\ \operatorname{Gain}(D, \text {触感})=0.006 . \end{array}$
于是我们找到了信息增益最大的属性纹理，它的Gain(D，纹理) = 0.381最大。

选取最优属性作划分

于是我们选择的划分属性为“纹理”，根据"纹理"可以将原数据集划分为3个子集，如图，根节点下有三个子结点：

对子节点作递归划分

对于这三个子节点，我们可以递归的使用刚刚找信息增益最大的方法进行选择特征属性，

比如对于第一个子节点，D1(纹理=清晰) = {1, 2, 3, 4, 5, 6, 8, 10, 15}，第一个分支结点可用属性集合{色泽、根蒂、敲声、脐部、触感}，基于 D1各属性的信息增益，分别求得如下：
$\begin{array}{l} \operatorname{Gain}\left(D^{1} \text {, 色泽 }\right)=0.043 ; \operatorname{Gain}\left(D^{1}\text {, 根蒂 }\right)=0.458 ; \\ \operatorname{Gain}\left(D^{1} \text {, 敲声 }\right)=0.331 ; \operatorname{Gain}\left(D^{1} \text {, 脐部 }\right)=0.458 ; \\ \operatorname{Gain}\left(D^{1} \text {, 触感 }\right)=0.458 . \end{array}$
其中根蒂，脐部，触感三个特征属性的信息增益相等并且最大，于是我们可以选择其中的任意一个。

其它俩个子结点同理，然后得到新一层的结点，再递归的由信息增益进行构建树即可

生成结果

我们最终的决策树如下：

ID3的缺点

从上面求解信息增益的公式中，其实可以看出，信息增益准则其实是对可取值数目较多的属性有所偏好。
什么意思呢？假如我们把数据集中的“编号”也作为一个候选划分属性。我们可以算出“编号”的信息增益是0.998。因为每一个样本的编号都是不同的，信息熵为0。也就是说，来了一个预测样本，你只要告诉我编号，其它特征就没有用了，这样生成的决策树显然不具有泛化能力。

于是，我们就引入了信息增益率来选择最优划分属性，接下来要介绍C4.5算法了。

C4.5

本节参考决策树(上)-ID3、C4.5、CART 、深入浅出理解决策树算法（二）-ID3算法与C4.5算法

这次我们每次进行选取特征属性的时候，不仅会考虑ID3算法的信息增益，还会考虑信息增益率这个指标。

信息增益率

先看信息增益率的公式如下。可以看出，信息增益率=信息增益/IV(a)，其中IV(a)称为属性a的固定值。
$\operatorname{Gain} \operatorname{ratio}(D, a)=\frac{\operatorname{Gain}(D, a)}{\operatorname{IV}(a)}$
而固定值的公式如下，该特征的形式和信息熵相似，所以读者可将其视作“特征熵”。
$\operatorname{IV}(a)=-\sum_{v=1}^{V} \frac{\left|D^{v}\right|}{|D|} \log _{2} \frac{\left|D^{v}\right|}{|D|}$
这个函数的递增性有如下特点：

当属性a的取值越多，集合会划分更多，固定值也倾向于变大。但是笔者不知道如何证明这一点，所以只能从下文的举例得到一个直观的感受。
当属性a的取值固定时，集合划分越平均，固定值会越大。这个在之前分析信息熵公式时就说明了。

举个例子，在上文的西瓜样本案例中，三种属性的固定值分别如下：

IV(触感) = 0.874 ( V = 2 )
IV(色泽) = 1.580 ( V = 3 )
IV(编号) = 4.088 ( V = 17)

可以看出，属性"编号"会将集合划分成很多个子集，其特征熵很大。而属性"触感"只是将集合划分为两份，其特征熵很小。由此读者能感受到，当选取该属性时，分成的V类别数越大，IV(a)就越大。

优化

信息增益率指标受到固定值的影响，会对可取值较少的特征有所偏好，而这在一定程度上会削减对增益率的偏好。比如某种属性的增益率较低，但它的固定值也很小，使其在增益率排序中靠前，从而被选中。我们虽然会关注固定值，但不应该过于关注它。虽然你可以引入超参数权重，去平衡两者的影响，但实际上你难以确定权重多大才合适。

所以，C4.5并不会直接选择信息增益率最高的属性，而是使用一个启发式方法：先从候选划分特征中找到信息增益高于平均值的特征，这样保证好的特征被选中。再从中选择增益率最高的。这样避免出现编号特征这种极端的情况。

缺点

C4.5规避了ID3的一些缺点，但自己也并不是完美的。

CART

本节参考决策树学习笔记、决策树-CART回归树、决策树(上)-ID3、C4.5、CART、决策树算法–CART分类树算法

CART相较于前两者的改进

ID3 和 C4.5 虽然在对训练样本集的学习中可以尽可能多地挖掘信息，但是其生成的决策树分支、规模都比较大。相比之下，CART算法能规避这些缺点：

使用二分法来划分节点，这样就只会生成二叉树。相比于前两种算法，能减少决策树分支数。
设置了一些递归停止条件，防止决策树规模过度生长。
使用预剪枝、后剪枝策略，适当降低决策树的规模，防止过拟合。

CART的特点

在学习CART前，请记住以下几个关键点：

CART既能是分类树，又能是回归树。这取决于标签的性质：如果标签是"有无贷款"这种离散值，那么构建的是分类树；如果标签是"年龄"这种连续值，那么构建的是回归树。
当CART是分类树时，采用GINI值作为节点分裂的依据；当CART是回归树时，采用样本的最小方差作为节点分裂的依据。
CART是一棵二叉树。这个特性是不变的。即使属性有多个可选值的离散值，或者是连续值，也都有对应的处理方式。

CART分类树的算法步骤与前两者类似。算法从根节点开始，用训练集递归建立CART分类树。然后迭代完成以下步骤：

判断是否停止递归。
- 对于当前节点的数据集为 $D$ ，如果样本个数小于阈值或没有特征，则返回决策子树，当前节点停止递归；
- 计算样本集D的基尼系数，如果基尼系数小于阈值，则返回决策树子树，当前节点停止递归；
计算当前节点现有各个特征的各个值的基尼指数，
在计算出来的各个基尼系数中，选择基尼系数最小的特征A及其对应的取值a作为最优特征和最优切分点。该切分点会将本节点的数据集划分成两部分 $D_1$ 和 $D_2$ ，同时生成当前节点的两个子节点，其中左节点的数据集为 $D_1$ ，右节点的数据集为 $D_2$ 。
对左右的子节点递归调用1-4步，生成CART分类树；

对生成的CART分类树做预测时，假如测试集里的样本落到了某个叶子节点，而该节点里有多个训练样本。则该测试样本的类别为这个叶子节点里概率最大的类别。

节点划分依据

CART树使用基尼系数类评估划分的好坏，基尼系数作为一种评价指标，在上一章已经阐述过原理，这里再列出一次公式。基尼指数反映的是从样本集D中随机抽取两个样本，其类别标记不一致的概率，因此Gini(D)越小越好。
$\begin{aligned} \operatorname{Gini}(D) & =\sum_{k=1}^{|\mathcal{Y}|} \sum_{k^{\prime} \neq k} p_{k} p_{k^{\prime}} \\ & =1-\sum_{k=1}^{|\mathcal{Y}|} p_{k}^{2} \end{aligned}$
进而，使用属性α划分后的基尼指数如下公式，意思是各个子集基尼系数的加权和。
$\text { GiniIndex }(D, a)=\sum_{v=1}^{V} \frac{\left|D^{v}\right|}{|D|} \operatorname{Gini}\left(D^{v}\right)$

CART分类树举例

下面我们举例来进一步说明分类树的步骤。

在上述图中，共10条数据，拖欠贷款者属于"标签"，是离散值。而属性有3个，分别是：

有房情况(离散属性且2种取值)
婚姻状况(离散属性且有3种取值)
年收入(连续属性)

那么，对于这些属性该如何进行Gini系数的计算以及划分呢？

2种取值的离散值

首先来看有房情况这个属性，因为该属性只有“是”“否”两种取值，所以其Gini系数比较容易计算，那么按照它划分后的Gini指数计算如下：

多种取值的离散值

接下来对婚姻状况进行计算，我们发现婚姻状况一共有三种取值：单身、已婚、离异，又因为Cart分类树只能是二叉树，所以我们只能对多种取值的属性进行组合。

连续值

最后对年收入属性进行计算。年收入属性为连续值，Cart分类树又是如何对连续值属性进行处理的呢？

做法是：将连续特征离散化，假设 n 个样本的连续特征 A 有 m 个取值，C4.5/Cart 将其排序并取相邻两样本值的平均数共 m-1 个划分点，分别计算以该划分点作为二元分类点时的信息增益/Gini系数，并选择信息增益最大/Gini系数最小的点作为该连续特征的二元离散分类点。

以下图为例

属性"年收入"的可选值有 ${60,70,75,...,220}$ ，在它们中间两两设立若干个候选划分点，分别是 ${65,62,80,...172}$ 。
然后，对于每个划分点，计算其将节点分为左右两部分后的基尼值。如图中深绿色框所示，以97为划分点后，左节点分到6个实例，右节点分到4个实例，基尼值为0.300。
在所有划分点中，97所对应的基尼值最低，所以选择它为划分点。

Cart分类树对于连续值的处理其实和C4.5算法对于连续值的处理类似，只不过Cart使用Gini指数，C4.5使用信息增益率

CART回归树举例

当构建回归树时，使用样本方差最小值作为评估指标。回归方差计算公式如下，样本方差公式应该是很熟悉的了，就是计算每个样本与平均值的平方，再求和。方差越大，表示该节点的数据越分散，预测的效果就越差。
$SS=\sigma^{2}=\sum_{i \in I}\left(x_{i}-\mu\right)^{2}=\sum_{i \in I} x_{i}-n \mu^{2}$
那么如何计算某属性的划分增益呢？由根节点的方差和减去左右节点的方差和，公式如下。其中 $S_{T}=\sum_{i \in I}\left(x_{i}-\mu\right)^{2}$ 是根节点的方差和， $S S_{L}$ 和 $S S_{R}$ 是左右节点的方差和。
$\text { Gain }=S S_{T}-\left(S S_{L}+S S_{R}\right)$

举个例子，对于数据集如下，如何计算它的增益？
$\begin{array}{|l|l|} \hline \text { 密度 } & \text { 含糖率 } \\ \hline 0.697 & 0.460 \\ \hline 0.774 & 0.376 \\ \hline 0.634 & 0.264 \\ \hline 0.608 & 0.318 \\ \hline 0.556 & 0.215 \\ \hline 0.403 & 0.237 \\ \hline 0.481 & 0.149 \\ \hline 0.437 & 0.211 \\ \hline 0.666 & 0.091 \\ \hline \end{array}$
首先计算“含糖率”的方差和 $S S_{T}$ ，然后依次选取“密度”各属性值作为分割点计算左右节点的方差和，当 $G a i n$ 达到最大时，得到最优分割点。

通常情况下在依次分割中 $S S_{T}$ 的值是固定的，所以只要找 $S S_{L}+S S_{R}$ 的最小值即可。

停止条件

决策树节点停止分裂的一般性条件：

最小节点数
当节点的数据量小于一个指定的数量时，不继续分裂。有两点原因：一是数据量较少时，再做分裂容易强化噪声数据的作用；二是降低树生长的复杂性。提前结束分裂一定程度上有利于降低过拟合的影响。
熵或者基尼值小于阀值
由上述可知，熵和基尼值的大小表示数据的复杂程度，当熵或者基尼值过小时，表示数据的纯度比较大，如果熵或者基尼值小于一定程度数，节点停止分裂。
决策树的深度达到指定的条件
节点的深度可以理解为节点与决策树跟节点的距离，如根节点的子节点的深度为1，因为这些节点与跟节点的距离为1，子节点的深度要比父节点的深度大1。决策树的深度是所有叶子节点的最大深度，当深度到达指定的上限大小时，停止分裂。
所有特征已经使用完毕，不能继续进行分裂
被动式停止分裂的条件，当已经没有可分的属性时，直接将当前节点设置为叶子节点。