本文解析了Ragas评估系统的四个核心指标：忠实度(Faithfulness)、答案相关性(Answer Relevancy)、上下文精确度(Context Precision)。忠实度检查答案陈述是否源自上下文；答案相关性评估答案是否明确具体；上下文精确度判断单个上下文片段对得出答案的有用程度。通过具体示例展示了各指标的prompt指令、判定标准（0/1二元评估）和实际输出，揭示了评估过程中需注

决策树是一种树形结构的监督学习算法，通过一系列特征问题将数据分类或预测。它由根节点、内部节点、分支和叶子节点组成。算法通过计算信息增益或基尼系数选择最佳分裂特征，最大化分类效果。主流算法包括ID3、C4.5、CART和CHAID，其中CART最常用。为防止过拟合，决策树采用预剪枝（限制深度/样本数）和后剪枝（代价复杂度剪枝）技术。基尼系数计算更快，而信息熵对纯度变化更敏感，实际效果相近。决策树直观