分类回归树（classification and regression tree；CART），理学-统计学-数理统计-统计学习，一种决策树方法，基于树把特征空间划分为一系列的矩形区域，在每一个区域中拟合一个简单的模型。基本原理分类回归树(CART)模型是由L.布雷曼等人于1984年提出的一种应用广泛的决策树方法，基于树的方法把特征空间划分为一系列的矩形区域，在每一个区域中拟合一个简单的预测模型（如常数模型）。分类回归树(CART)模型由特征选择、树的生成及其剪枝组成，既可以用于分类也可以用于回归。CART是在给定输入特征变量X条件下输出随机变量Y的条件概率分布的学习方法。CART假设决策树是二叉树，内部结点特征取值为“是”或“否”，树每个节点的左分支表示取值为“是”，右分支表示取值为“否”。该算法等价于递归地二分每个特征，将特征空间划分为一系列矩形区域，并在每个区域拟合一个预测模型。例如，左边的图表示利用两个特征变量和将特征空间分成了5个矩形区域，右边的图表示对应的树模型（见图）。