吴恩达deeplearning.ai：纯度

具体点说，就是**如果一个分类特征有k个能取的值，那么我们可以创建k个只能取0，1的二进制特征来替换它。在这个算法之中，我们创建了三个新的特征，第一个是是否有尖耳朵，第二个是是否有椭圆耳朵，第三个是是否有圆耳朵。与之前的例子相比，唯一不同的是耳朵的形状，这里耳朵的形状不再只有两种可选项，这里变成了三种，圆的，尖的，椭圆的。这意味着决策树在这里可以有三个不同的分支。在构建回归树时，我们关注的不再是熵值，即分类的纯度，而是每个叶节点的方差，如何构建能够让各个叶节点体重的方差最小，从而可以预估到最精准的体重。