CART 算法【python，机器学习，算法】

本文主要是介绍CART 算法【python，机器学习，算法】，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

CART(Classification and Regression Tree)分类回归树。使用基尼指数计算得到树的节点。基尼指数表示系统整体的不确定性，
不确定性越大，基尼指数越大，所以在决策树中，将加权基尼系数最小的特征作为树的决策节点。

公式推导

1. 基尼指数
   $gini(A)=1-\sum _{i\in (y,n)}{p}_i^2$，
   其中$p_i$表示单分组中，yes或者no的比例（这里指的是样本中分类标签下的值，只有yes和no两类）。
2. 加权基尼指数
   $weight\_gini=\sum _{i=1}^k{p}_{i}gini(A{)}_i$,
   其中$p_i$表示单分组占总样本的比例，$gini(A{)}_i$表示单分组的基尼指数。

这篇关于CART 算法【python，机器学习，算法】的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---