咨询：sklearn中DecisionTreeClassifier实现的决策树算法类型

嘿，这个问题我之前做项目时特意确认过，答案很清晰：sklearn中的DecisionTreeClassifier核心实现的是CART算法（Classification and Regression Trees），不过它也支持通过参数调整来适配其他算法的部分特性，但底层框架还是CART。

具体细节可以拆成这几点：

• 核心框架是CART：CART的标志性特点是二叉树结构（每次分裂只把节点分成两个子节点），这也是DecisionTreeClassifier默认的分裂方式，哪怕你用了其他特征选择准则，分裂逻辑依然是二叉的。
• 支持切换特征选择准则：
  • 默认用criterion='gini'（基尼不纯度），这是CART分类树的标准准则
  • 你可以手动设置criterion='entropy'来使用信息增益，这时候看起来有点像ID3算法，但因为还是二叉分裂，并不是纯ID3（ID3是多叉分裂）
  • 遗憾的是，sklearn目前没有直接支持信息增益比（C4.5的核心准则）的参数，所以没法直接实现纯C4.5
• 和ID3/C4.5的关键区别：ID3和C4.5都是多叉分裂（一个节点可以分成多个子节点），而sklearn的实现始终是二叉分裂，这是CART和另外两者最核心的差异之一。

内容的提问来源于stack exchange，提问作者skoundin