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
- 基尼指数
g i n i ( A ) = 1 − ∑ i ∈ ( y , n ) p i 2 gini(A)=1-\sum\limits_{i\in(y,n)}p_i^2 gini(A)=1−i∈(y,n)∑pi2，
其中 p i p_i pi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）。 - 加权基尼指数
w e i g h t _ g i n i = ∑ i = 1 k p i g i n i ( A ) i weight\_gini=\sum\limits_{i=1}^{k}p_i\ gini(A)_i weight_gini=i=1∑kpi gini(A)i,
其中 p i p_i pi表示单分组占总样本的比例， g i n i ( A ) i gini(A)_i 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！
