决策树Cart算法源码

这是我从网上找到的一份决策树Cart算法代码，其中在确定分枝时采用的是熵不纯度确定的方法,代码可以运行.声明这份代码不是我原创的，是从某个网页上下载下来的，不过原作者的代码中许多变量没有作详细注释，我在阅读这份代码时加了许多自己的理解，几乎每个变量每句代码都作了解释，对于学习决策树CART算法的同学具有比较好的入门指导作者，这里将代码贡献出来与大家一起分享，如果有注释不准的地方，请发表评论提醒我。也向原作者致谢(不好意思，忘记在哪个网页上下载的了)

function Tree = CART_MakeBinaryTree（Train_Samples TrainingTargets Region）
% --------------------------------------------------------------------------------------------------------------
% 基于 熵不纯度 递归地实现  非剪枝完全二叉树
% 输入变量: 
%   Train_Samples  : n个d维训练样本 为（n * d）的矩阵
%   TrainingTargets: 对应的类别属性 为（n * 1）的矩阵
%   Region         : 特征向量各维度的下限值与上限值 为（d * 2）的矩阵（特征值取离散的自然数区间 左小右大）
% 
% 输出变量: 
% 	一个基本树形节点 Tree  
% 
% 基本树形节点结构 
% 一: label 标签（记录当前节点判定所用的维度 当节点为叶子时为空）
% 二: Value 阈值（记录当前所用维度判定之阈值 叶子节点时表类别）
% 三: Left  左枝（小于等于阈值的待分目标 归于此 当节点为叶子时为空）
% 四: Right 右枝（大于阈值的 归于此 当节点为叶子时为空）
% 五: Num   当前节点的样本的数目
% --------------------------------------------------------------------------------------------------------------

[nDim] = size（Train_Samples）;											% n: 样本数 Dim: 样本维度
[tm]   = size（Region）;													% t: 特征维度 m: 2因为是每个维度的下界与上界

if Dim ~= t || m ~= 2
    disp（‘参数错误 请检查‘）;
    return;
end

% 检查类别属性是否只有一个属性 若是则当前为叶节点 否则需要继续分
if （ length（unique（Tra

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       7440  2015-06-20 23:29  dtree_cart\CART_MakeBinaryTree.m

     文件       2402  2015-06-20 23:32  dtree_cart\CART_PruningBinaryTree.m

     文件       1285  2015-06-20 23:30  dtree_cart\CART_UseBinaryTree.m

     文件       1589  2015-06-20 23:34  dtree_cart\main.m

     目录          0  2015-06-20 23:38  dtree_cart

----------- ---------  ---------- -----  ----

                12716                    5