在决策树中，除了用似然估计推导出的信息熵损失函数之外，还有一个基尼系数
怎么理解呢？针对一个贷款人员是否违约的二分类问题，我们来描述一下
对于一个用户A，假如我们的模型预测出他违约的概率为p，则不违约的概率为1-p。这时我们就可以认为该用户的GINI系数为p(1-p)当p=0.5时，p(1-p)最大，此时用户有一半的概率违约，一半的概率不违约，这等于废话，说明模型的对该用户的预测能力很弱，模型基本上没有用；但是当p=1时，我们预测用户一定会违约，或者p=0时，用户一定不会违约，此时GINI=0，我们的模型预测能力很强。然而我们有很多的用户，所以此时要把所有的用户的基尼系数都加起来，来评判我们的模型优劣。也就得到了