درخت تصمیم: تفاوت میان نسخه‌ها

</math>

 

 

</math>یی را انتخاب کرد که ناخالصی داده را کم کند. ناخالصی برحسب مسئله تعریفی متفاوت خواهد داشت، مثلا اگر مسئله یک دسته‌بندی دوگانه است، ناخالصی می‌تواند [[آنتروپی اطلاعات|آنتراپی]] داده باشد، کمترین ناخالصی زمانی است که هم <math>Q_{right}(\theta)

</math> از یک دسته داشته باشند. برای رگرسیون این ناخالصی می تواند واریانس متغیر وابسته باشد. از آنجا که مقدار داده در <math>Q_{left}(\theta)

</math> و <math>Q_{right}(\theta)

</math>، <math>n_{left} = |Q_{left}(\theta)|

</math> و <math>n_{right} = |Q_{right}(\theta)|