在对数据进行预处理之后,开始构建决策树,决策树的核心算法是确定决策树分枝准则,该准则涉及到两个方面问题:⑴如何在众多的输入变量中选择出一个最佳的分组变量;⑵如何在分组变量的众多取值中寻找到最佳的分割值。首先在生成原始树中引入差异系数(diversity index)的概念。此系数用于测度各个个结点内n(n>=2)个类样本的分布情况。在这里我们采用的是分类cart算法中最常用的基尼指数(Gini)。
评论