树模型相关介绍(决策树，随机森林，Adaboost, BDT, GBDT, XGboost, lightGBM)
决策树的理解：1.2 分类树信息熵：用来衡量不确定性的指标，不确定性是一个事件出现不同结果的可能性，计算公式如下条件熵：在给定随记变量Y的条件下，随机变量X的不确定性信息增益：熵-条件熵，代表了在一个条件下，信息不确定性减少的程度1.2.2 基尼指数基尼指数：在样本集合中一个随机选中的样本被分错的概率注意：Gini指数越小表示集合中被选中的样本被分错的概率越小，也就是说集合的纯度越高，反之，集合越不纯；当集合中所有样本为一个类时，基尼指数为0计算方法：CART树是一个二叉树，对于
