MENTAL MODEL · M6537

CART算法

Classification and Regression Tree

决策取舍高支撑决策科学

已收录

Version 1.0.0 · 更新于 2026-07-30

CORE DEFINITION · 核心定义

由Leo Breiman等人于1984年提出的决策树算法：核心特征：- 二叉树结构：每个节点只产生两个分支- 分类与回归：既可处理分类问题，也可处理回归问题- 分裂准则：分类用基尼指数(Gini Index)，回归用最小平方误差- 剪枝机制：通过代价复杂度剪枝防止过拟合

SCAFFOLDING EFFECT · 脚手架效应

psychology

可解释决策，平衡精度与简洁。相比"黑箱"模型，CART产生的决策树可视化程度高，决策路径透明可解释，特别适合需要向非技术人员解释决策逻辑的场景。我来搜索这些认

anchor

基于"递归二分+不纯降价"。按 Gini(分类)/MSE(回归)选最优切分递归建树，剪枝控复杂度防过拟合。

MINIMUM ACTION · 最小行动

进行中 0/1

在一个真实场景中练习这个模型：

勾选记录你的进度（本机暂存）

掌握进度0%

account_tree知识谱系 Genealogyexpand_more

menu_book信源参考 Sourcesexpand_more

来源明确性: 明确

link
en.wikipedia.orghttps://en.wikipedia.org/wiki/Decision_tree_learningZH · 明确
verified

RELATED MODELS · 相关模型