Subin_的博客

CART（分类回归树）分类算法原理目的生成一颗决策树，输入X（各种特征条件）输出Y（该样本分类结果）。一、分类树选择特征的依赖——基尼指数基尼指数——总体内包含的类别越杂乱，基尼指数就越大在CART算法中, 基尼不纯度表示一个随机选中的样本在子集中被分错的可能性。基尼不纯度 = ∑i=1K(\sum_{i=1}^K(∑i=1K​(样本iii被选中的概率 ∗*∗ 它被分错的概率)...

CART（分类回归树）分类算法原理目的生成一颗决策树，输入X（各种特征条件）输出Y（该样本分类结果）。分类树选择特征的依赖——基尼指数那么要按照哪种特征分类呢？CART树根据基尼指数选择特征。基尼指数可以通过如下公式计算：Gini(p)=∑i=1Kpi(1−pi)=1−∑i=1Kpi2Gini(p)=\sum_{i=1}^Kp_i(1-p_i)=1-\sum_{i=1}^K{p_...