学决策树最容易卡在三个地方：熵（Entropy）到底在算什么？为什么“越乱越大”？信息增益（Information Gain）怎么就能选出“更好的特征”？基尼指数（Gini）为什么越小越好？和熵有什么区别？光看公式会头大，但一旦带着数字手算一遍就通了。ID3（信息增益）C4.5（增益率）CART（基尼指数）并且用“带数字的例子”把指标讲透。第二部分我会再写：Titanic 实战、CART 回归树、