数据挖掘之CART剪枝

与上篇文章中提到的ID3算法和C4.5算法类似，CART算法也是一种决策树分类算法。CART分类回归树算法的本质也是对数据进行分类的，最终数据的表现形式也是以树形的模式展现的，CART与ID3，C4.5所采用的分类标准是不同了。

下面列出了其中的一些不同之处：

1、CART最后形成的树是一个二叉树，每个节点会分成2个节点，左孩子节点和右孩子节点，于是这就要求CART算法在所选定的属性中又要划分出最佳的属性划分值，节点如果选定了划分属性名称还要确定里面按照哪个值做一个二元的划分（为属性的值为一类，否则为零另一类）

而在ID3和C4.5中是按照分类属性的值类型进行划分（属性的取值可以为1个也可以为多个）

2、CART算法对于属性的值采用的是基于Gin