基尼值 等于 1 减去 每个类别概率的平方和
CART决策树分类树前置知识:
基尼值 等于 1 减去 每个类别对应各自标签概率的平方和(特征是分类的)
CART决策树回归树前置知识:
但是特征列不是分类，有线性,下面这个分二分算基尼指数就有意思
cart决策树的分类树
分别做各个特征的尼基系数，选择第一个特征做最有分裂点
cart决策树的回归树
分别求出划分点左右两侧真实值的平均值作为预测值,然后让左右两侧各自真实值和真实值相减的平方相加(最小二乘)
找到最优划分点:就是损失函数最小值
CART决策树 的回归树和分类树区别:
决策树总结
