1.CART生成
（1）回归树的生成
使用平方误差最小化准则
（2）分类树的生成
使用基尼指数最小化准则
2. CART 剪枝
所以[αi,α(i+1))范围内，都应该对Tt进行剪枝
CART剪枝理解（转自：https://blog.csdn.net/wqtltm/article/details/82597334）：
1.这里的剪枝和前面讲的决策树剪枝不同的地方就是，之前就在一个固定的超参数alpha上剪枝，这里不是 ，他不但剪枝，还挑选最优的超参数。
2.虽然alpha 是无限多的 ，但是树的可能性是固定的，因此更具上面breiman的证明我门知道，在一个固定的区间[a,b)内，无论alpha取什么，最优的树都是那一棵，所以他就从下到上依次计算剪掉每个点之后对应的alpha（为什么从下到上，，当然是因为动态规划啦）。
3.为什么从最小的alpha开始，因为我门知道alpha越大，树就越简单，意味着剪掉的越多，而alpha越小，树越复杂剪掉的越少，所以从小的alpha开始意味着是一种从下到上的剪枝啦，这样又可以动态规划啦。
4.所以最后把所有可能剪掉 的枝的树都集合起来，然后用验证集交叉验证选出最优的就OK了
