cart算法（Classification and Regression Trees），又被称为回归树分类器，是一种*. 由Ross Quinlan在1980年首创，并不断进行改进的决策树，它能够根据给出的样本特征，建立出一个可以用来做决策的决策树模型，该模型可用于回归和分类问题。
Cart算法在机器学习中具有重要的作用，它可以将复杂的数据分类，用最少的数据对未知的数据进行分析，并从中得出结论，从而让在实践中实现大量空间和时间的节约。
Cart算法的构建，开始是将所有可能的属性作为一个检验，每一次检验都会把一个大类分成更小的两个组，也就是一颗二叉树；在构建树时，要考虑字典等因素，比如可以建立生活态度为正向和负向的二叉树作为分类依据；在叶子节点建立分类，最终形成一棵可以实现决策的树模型。
Cart算法的应用广泛，比如在机器学习领域，可以广泛用于文本分类，图像分类，语音识别等，以及金融交易，用于构建医疗诊断等场景中的决策系统，也可以用于确定网络计算，个性化系统，及人工智能之类的研究领域。
虽然Cart算法比较简单，但是却是机器学习实现无数任务的加速装置，未来它将发挥更加广泛的作用，为机器学习带来无限可能。
