本文介绍了CART（Classification And Regression Tree）算法，一种用于数据挖掘的二叉决策树构建方法。CART通过递归划分数据集形成二叉树，并基于Gini不纯度选择最优划分点。在建树完成后，使用事后剪枝方法降低成本复杂性，防止过拟合。内容涵盖了CART的基本原理、建树过程和剪枝策略。
1. CART算法的认识
Classification And Regression Tree，即分类回归树算法，简称CART算法，它是决策树的一种实现，通常决策树主要有三种实现，分别是ID3算法，CART算法和C4.5算法。
CART算法是一种二分递归分割技术，把当前样本划分为两个子样本，使得生成的每个非叶子结点都有两个分支，因此CART算法生成的决策树是结构简洁的二叉树。由于CART算法构成的是一个二叉树，它在每一步的决策时只能是“是”或者“否”，即使一个feature有多个取值，也是把数据分为两部分。在CART算法中主要分为两个步骤
（1）将样本递归划分进行建树过程
（2）用验证数据进行剪枝
2. CART算法的原理
上面说到了CART算法分为两个过程，其中第一个过程进行递归建立二叉树，那么它是如何进行划分的 ？
最低0.47元/天 解锁文章
579
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
