CART:分类(C)与(A)回归(R)的树(T)。
如果已经训练好了一个决策树,那么测试样本分类的结果就是:所落在的那个叶子节点的训练样本中最多的类别的;测试样本的回归结果就是由所落在的叶子节点的训练样本计算而来(如平均值)
建立一棵树的难点在于结点的构建,分类问题用到的是信息熵H(x)。对于随机样本x发生的概率是p,随着p的变化绘制信息熵的曲线.可以发现当p的概率很大或者很小的时候,熵很小,当p=0.5的时候熵最大。父节点的样本熵之和大于子节点的样本熵的和。 回归问题用到的是均方误差。
四种特征任选两个作为决策树的特征,构建6棵决策树,每一次从父节点到子节点的过程就是一次对平面的划分