CART Decision Tree 是一种决策树算法，能够用于分类和回归任务。由伯克利大学统计学教授 Leo Breiman 和 Charles Joel Stone 以及斯坦福大学的 Jerome H. Friedman 和 Richard Olshen 于 1977 年开发。该算法广泛应用于数据挖掘和机器学习领域，它的核心在于递归地将数据集分割成越来越小的子集，并在这个过程中构建决策树。
CART 生成的是二叉树，每个内部节点都有一个决策规则，每个叶节点给出一个预测结果。每次分割都是基于单个变量的阈值进行。 CART 使用剪枝策略来避免过拟合，提高模型的泛化能力。 CART 还可以构建分类树和回归树，适用于不同类型的预测任务。