决策树模型比较：C4.5，CART，CHAID，QUEST
（1）C4.5算法的特点为：
输入变量（自变量）：为分类型变量或连续型变量。
输出变量（模板变量）：为分类型变量。
连续变量处理：N等分离散化。
树分枝类型：多分枝。
分裂指标：信息增益比率gain ratio（分裂后的目标变量取值变异较小，纯度高）
前剪枝：叶节点数是否小于某一阈值。
后剪枝：使用置信度法和减少-误差法。
（2）CART算法的特点为：
输入变量（自变量）：为分类型变量或连续型变量。
输出变量（目标变量）：为分类型变量（或连续型：回归分析）
连续变量处理：N等分离散化。
树分枝类型：二分枝。
分裂指标：gini增益（分裂后的目标变量取值变异较小，纯度高）。
前剪枝：maxdepth，minsplit，minbucket，mincp
后剪枝：使用最小代价复杂度剪枝法（MCCP）
（3）条件推理决策树（CHAID，QUEST）算法的特点为：
输入变量（自变量）：为分类变量或连续型变量。
输出变量（目标变量）：为分类型变量（或连续型：回归分析）。
连续变量处理：N等分离散化。
树分枝类型：二分枝（以party包中的ctree函数为例）。
分裂指标：独立性检验和相关性（分裂后自变量与目标变量的相关性）
文章来自：http://www.cnblogs.com/payton/p/4272100.html