# CART算法

> 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

- ID: m06537
- 分类: decide
- 领域: 决策科学

## 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脚手架作用：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

## 机制

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。

## 练习

1. 选最优特征/阈值分裂。2. 递归建二叉树。3. 达停止条件。4. 代价复杂度剪枝。5. 预测。

## 脚手架用法

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

[阅读网页](https://thinkingmodels.site/entries/detail/m06537)