分类回归树算法(Classification and Regression Tree，CART)是一种广泛应用于数据挖掘的算法模型，CART亦称为：分拆与合并模型、分离模型或识别树模型。
CART算法可用于建模和预测，能够快速地从数据开始并基于它们构建出一棵树，包括离散数据和连续数据。在构建出树以后，可以用于对对象的属性进行分类，从而建立起用于评价可能的属性的模型，从而实现预测功能。
CART也是基于决策树，它能够很好地应用到大量数据和非线性数据上。在划分过程中，会考虑各个维度的变量，选择正确的属性来划分，从而有可能得出更加准确的结果。同时，CART模型也是一种强大的非参数模型，它不需要事先假设数据的分布形态，仅仅只需要数据本身的特征进行学习即可。
总而言之，分类回归树算法是一种强大的数据挖掘算法，它能构建出一棵树，用于评价可能的属性类型，从而实现预测的功能。同时，分类回归树算法能够解决大量数据和非线性数据的问题，是一个重要的数据挖掘技术。
