决策树（Decision Tree）是一种常见的分类和回归算法，它通过树形结构展示决策规则和分类结果。决策树的每个内部节点表示一个属性上的测试，每个分支代表一个测试输出，每个叶节点代表一种类别。我理解就是对输入的特征不断做划分。

这个笔记是在自学过程的一些记录，中间包含了很多个人的理解以及问AI的回答，因为找不到很系统的教程，官方文档有时候不会讲的特别细，比方说某个指标的具体计算过程网上也没找到什么资料，所以在这里记录下，后续自己有了新的理解或者发现写的不对的地方都会在这不断更新，如有不对的地方，还请指正。CUDA朴素版本和CPU版本思路一致，只是分配了多个线程，每个线程负责一个元素的读取和写入，这里有个问题是我们在读取矩