决策树-cart

决策树是最常见的有监督学习模型，常被应用到分类和回归分析中。

在学习决策树的过程中，cart中提到了Gini系数和Gini指数的计算，下面进行总结。

一、基尼指数

• 定义：基尼指数（基尼不纯度）：表示在样本集合中一个随机选中的样本被分错的概率。
• 注意： Gini指数越小表示集合中被选中的样本被分错的概率越小，也就是说集合的纯度越高，反之，集合越不纯。
• 即 基尼指数（基尼不纯度）= 样本被选中的概率 * 样本被分错的概率
  

如表：

	年龄	长相	工资	写代码	类别
小A	老	帅	高	不会	不见
小B	年轻	一般	中等	会	见
小C	年轻	丑	高	不会	不见
小D	年轻	一般	高	会	见
小L	年轻	一般	低	不会	不见

有时间补上