3.C4.5决策树 针对增益率的问题 4.CART决策树
例子
特别地，对于属性“触感”，由于它的可取值个数为2，所以其实只需计算其中一个取值的基尼指数即可。根据上面的计算结果可知Gini_index(D,纹理=清晰)=0.286最小，所以选择属性“纹理”为最优划分属性并生成根节点，接着以“纹理=清晰”为最优划分点生成(纹理=清晰),(纹理≠清晰)两个子节点，对于两个子节点分别重复上述步骤继续生成下一层子节点，直至满足停止条件。以上便是CART分类树的构建过程，从构建过程中可以看出，CART分类树最终构造出来的是一颗二叉树。CART 决策树除了能处理分类问题以外，它还可以处理回归问题。
