通俗解释
每一步选一个最能区分标签的特征和阈值把数据一分为二，直到叶子足够纯。单棵树易懂但容易过拟合，因此常被集成成随机森林或梯度提升树。
用在哪里：规则提取、风控、可解释模型
01原始论文
! 没有可在线核实的单一原始论文
CART 出自 Breiman 等 1984 年专著《Classification and Regression Trees》，为书籍无 DOI，链接待核实
02知识位置
左边先学；右边是学完它之后可以学的。
左：前置 · 右：后继 · 虚线：相关。看完整关系图 →
03学习资料
官方文档、图解、课程和参考实现，链接都核对过。
04在课程里哪里学
所在学习路线：从零到深度学习
给 AI 读 / 数据说明
- 核实状态：待核实，核对于 2026-10-21。
- JSON: /api/learn/algorithms.json (id:
decision-tree)