版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/sunyaowu315/article/details/88843958
是一种决策树分类方法，采用基于最小距离的基尼指数估计函数，用来决定由该子数据集生成的决策树的拓展形。如果目标变量是标称的，称为分类树；
如果目标变量是连续的，称为回归树。分类树是使用树结构算法将数据分成离散类的方法。
优点：
1）非常灵活，可以允许有部分错分成本，还可指定先验概率分布，可使用自动的成本复杂性剪枝来得到归纳性更强的树。
2）在面对诸如存在缺失值、变量数多等问题时CART 显得非常稳健
文章来源: https://blog.csdn.net/sunyaowu315/article/details/88843958