CART分类树算法

• 算法输入是训练集D，基尼系数的阈值，样本个数阈值。
• 输出是决策树T。
• 算法从根节点开始，用训练集递归的建立CART树。
• 　1) 对于当前节点的数据集为D，如果样本个数小于阈值或者没有特征，则返回决策子树，当前节点停止递归。
• 　2) 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。
• 　3) 计算当前节点现有的各个特征的各个特征值对数据集D的基尼系数。
•    4) 在计算出来的各个特征的各个特征值对数据集D的基尼系数中，选择基尼系数最小的特征A和对应的特征值a。根据这个最优特征和最优特征值，把数据集划分成两部分D1和D2，同时建立当前节点的左右节点，做节点的数据集D为D1，右节点的数据集D为D2.
•    5) 对左右的子节点递归的调用1-4步，生成决策树。