Basic algorithm
决策树和它们的集成方法
Node impurity and information gain
节点不纯度是结点标签一致性的度量。目前的实现针对分类提供了两种不纯度测量(Gini不纯度和熵)，针对回归提供了一种不纯度测量(方差)。
Split candidates
Continuous features
Categorical features
Stopping rule
当下列条件之一被满足，迭代的树构造就被停止：
- 结点深度等于maxDepth训练参数；
- 没有分割候选会得到大于minInfoGain的信息增益；
- 没有分割候选会产生至少有minInstancesPerNode个训练样本的孩子结点。
Usage tips
通过讨论各种参数，我们给出一些使用决策树的指南。下列参数大致以重要性递减被列出。新用户应该主要考虑“Problem specification parameters” 部分和maxDepth参数。
Problem specification parameters
这些参数描述了你想要解决的问题和你的数据集，它们应该被设置，不需要调优。
- algo: 决策树的类型，是Classification 或者 Regression。
- numClasses: 类别的数量(只针对Classification)。
- categoricalFeaturesInfo: Specifies which features are categorical and how many categorical values each of those features can take.
设置
This is given as a map from feature indices to feature arity (number of categories). Any features not in this map are treated as continuous.