火花决策树中使用了什么算法（ID3，C4.5或CART）

Question

我对MLlib中的决策树有疑问。 Spark中使用了什么算法？是ID3，C4.5还是CART？

Answer 1

Spark MLlib正在使用带有CART的ID3算法。

ID3仅处理分类变量，CART可以处理连续变量。 Spark决策树可以处理分类变量，因此它使用CART（在下面指定的Jira票证中我们可以看到它们还没有实现C4.5）。

在这个blog post中，您可以找到有关不同算法的一些信息，这是我从中得到答案的地方。

您可以在此Jira ticket中找到有关将其扩展到C4.5的讨论。

有关算法here之间差异的更多信息。

Answer 2

如果您查看链接Apache Spark并查看该部分，

  

节点杂质和信息增益（基本算法）

你可以找到

  

目前的实施提供了两种用于分类的杂质测量（基尼杂质和熵）和一种用于回归的杂质测量（方差）

另外，如果你看看链接Decision Tree，你会发现CART（分类和回归树）算法使用基尼杂质和熵进行分类和方差减少以进行回归。