CART:分类回归树
分类树和回归树的区别：分裂节点时使用的节点非纯度量（最小化准则、特征选择）不一样，修剪树的准则不一样
回归树：
节点非纯度量：平方误差和
区域估计值：均值（在给定的划分下，均值带来的平方误差和最小）
分类树：
节点非纯度量：误分类误差、Gini指数、熵
区域估计值：多数类
GBRT/GBDT：第m次训练使用的数据集为（xi,rmi）,i=1...N，其中rmi表示前m-1棵树组成的模型fm-1在样本（xi，yi)上损失函数的负梯度（延f(x)方向）
CART:分类回归树
分类树和回归树的区别：分裂节点时使用的节点非纯度量（最小化准则、特征选择）不一样，修剪树的准则不一样
回归树：
节点非纯度量：平方误差和
区域估计值：均值（在给定的划分下，均值带来的平方误差和最小）
分类树：
节点非纯度量：误分类误差、Gini指数、熵
区域估计值：多数类
GBRT/GBDT：第m次训练使用的数据集为（xi,rmi）,i=1...N，其中rmi表示前m-1棵树组成的模型fm-1在样本（xi，yi)上损失函数的负梯度（延f(x)方向）