CRT 与 CART 决策树算法区别详解

CRT (Classification and Regression Trees) 和 CART (Classification and Regression Trees) 是两种常见的决策树算法，它们的区别如下：

可处理的问题类型不同：CRT 主要用于分类问题，而 CART 可用于分类和回归问题。
分裂节点的方式不同：CRT 采用基于信息熵或基尼系数的贪心策略，选择最优的特征进行分裂，而 CART 采用基于均方差的贪心策略，选择最优的特征和最优的分裂点进行分裂。
决策树的结构不同：CRT 生成的决策树是二叉树，每个非叶子节点有两个子节点，而 CART 生成的决策树可以是多叉树，每个非叶子节点可以有多个子节点。
损失函数不同：CRT 使用的是信息熵或基尼系数，CART 使用的是均方差。
叶节点的输出结果不同：CRT 叶节点的输出结果是类别标签，CART 叶节点的输出结果是实数值。

综上所述，CRT 和 CART 在算法原理、可处理问题类型、分裂节点的方式、决策树结构、损失函数和叶节点的输出结果等方面都有所不同。