CART

CART树的构建:

$function\ cart(D)$--$D$为数据

1.如果到了终止条件(如:所有x都相同，或所有y都相同，或到了指定深度)，返回叶子节点

2.选择 分割方式，将数据分为左树$D_l$、右树$D_r$ 2部分

3.$cart(D_l),cart(D_r)$

分割方式(cart的分割方式不固定，此处采用decision stump)：

选择所有decision stump中，综合不纯度最小的

用impurity（不纯度）衡量单个数据集

方式1：

将这个节点当作叶子节点，考虑此叶子节点上的错误

regression    -$impurity = \frac{1}{N}\sum_i (y_i-\overline{y})$

classification-$impurity = \frac{1}{N}\sum_i [y_i\neq y^*]$

Gini Index（考虑到了其他分类）：

$impurity = 1-\frac{1}{K}\sum_k {(\frac{\sum_i [y_i=k]}{N})}^2$

pruning：

完全长成的树，$E_{in}=0$，容易overfit；考虑加入regulization，一个方法是限制叶子节点的数量

要列出所有的树，是不可能的，考虑在以下树中做选择：

1.$G^0$为完全长成的树

2.$G^i$为在$G^{i-1}$的基础上，去掉一个叶子节点的树（在去掉一个节点的树中选取$E_{in}$最小）

missing data：

比如体重为空，选择用身高代替

CART中，每个分类节点都有一个候选分割列表（这些分割列表分割后和原分割相差很小）

来自为知笔记(Wiz)