机器学习之CART算法

CART是什么?CART分类的原理是什么?

CART 算法，英文全称叫做 Classification And Regression Tree，中文叫做分类回归树。

CART分类的原理：
CART算法是基于基尼指数来做属性划分的。
基尼系数：

CART和ID3,C4.5有什么异同点：

在sklearn中决策树怎么试用,都有哪些参数：
DecisionTreeClassifier是分类决策树

sklearn.tree.DecisionTreeClassifier(criterion=‘gini’, splitter=‘best’, max_depth=None,min_samples_split=2, min_samples_leaf=1, min_weight_fraction_leaf=0.0, max_features=None,random_state=None,max_leaf_nodes=None, class_weight=None,presort=False)

criterion：一个字符串，指定切分质量的评价准则。可以为：

‘gini’：表示切分时评价准则是Gini系数
‘entropy’：表示切分时评价准则是熵
其它参数参考 DecisionTreeRegressor 。
模型属性：

classes_：分类的标签值。
n_classes_：给出了分类的数量。
其它属性参考 DecisionTreeRegressor 。
模型方法：

fit(X, y[, sample_weight, check_input, …])：训练模型。
predict(X[, check_input])：用模型进行预测，返回预测值。
predict_log_proba(X)：返回一个数组，数组的元素依次是X预测为各个类别的概率的对数值。
predict_proba(X)：返回一个数组，数组的元素依次是X预测为各个类别的概率值。
score(X,y[,sample_weight])：返回模型的预测性能得分。