在用R的时候经常会发现涉及到决策树的基本都是说用rpart包，但rpart包只是二叉树的，所以还是有必要谈谈决策树不同算法的区别
CART（Classification And Regression Tree）分类回归树
CHAID（Chi-squared Automatic Interaction Detector）卡方自动动交互诊断器
C5.0和CART算法思路相同：包括决策树生长和决策树修剪两个过程
主要差别体现在：

	C5.0	CART	CHAID
输出变量	只能是分类型	可以是分类型也可以是数值型	可以是分类型 也可以是数值型
	只能建分类树	既可建分类树又可建回归树	能够建立多叉树
树	可建多叉树	只能建二叉树	能够建立多叉树
确定最佳分组变量 和分割点	以信息熵为基础 通过计算信息增益确定	以Gini系数和方差作为选择依据	从统计显著性检验角度确定
决定决策树的标准	依据训练样本， 通过近似正态分布确定	依据测试样本进行修剪	从统计显著性检验角度确定

CHAID与C5.0 CART算法的区别在于：
CHAID组变量确定的依据是：输入变量与输出变量之间的相关程度，应将与输出变量最相关的输入变量作为
变量。
C5.0 CART算法选择使输出变量取值差异性下降最快的变量为最佳分组变量