标签：返回 方式 模型 条件 决策树 表示 划分规则 ati 分享
决策树模型画出图很简单。那么它的数学表达形式是怎样的呢？这里介绍递归形式：
其中，G(x)表示决策树对应的函数，b(x)表示分叉的规则，Gc(x)是子树的模型。
即，学习划分规则b(x)，然后把数据按照b(x)划分为C部分，对每一部分递归地生成子树。注意递归在一定条件停止，直接返回一个g(x)。
事实上，不同的决策树算法，都是这个基本的框架。不同的地方在于这四个部分的具体定义是不同的：
CART算法中，框架中的四个部分分别定义为：
number of branches:每次划分的分支规定为2。也就是CART决策树是一个二叉树。
branching criteria:选择一种划分方式，使得划分后两边数据集不纯度最低（不确定性小）：
base hypothesis：最底层的g(x)是一个常数。
termination criteria:节点中样本个数小于阈值，或基尼指数小于阈值，或没有更多特征。
回归的不纯度定义为：
分类的不纯度定义为：
也称为基尼指数。其中，K是总共的类别数。
因此，整个算法就是：
标签：返回 方式 模型 条件 决策树 表示 划分规则 ati 分享
原文地址：http://www.cnblogs.com/coldyan/p/6506323.html
