1.决策树的简介

 

建立决策树的过程可以分为以下几个步骤：

1. 计算每个特征的信息增益或信息增益比，选择最优的特征作为当前节点的划分标准。
2. 根据选择的特征将数据集划分为不同的子集。
3. 对每个子集递归执行步骤 1 和步骤 2，直到满足终止条件。
4. 构建决策树，并输出。

基于信息增益的ID3算法；

ID3算法：

1. 计算每个特征的信息增益。信息增益 = H(D) - H(D|A)，其中H(D)是样本的熵，H(D|A)是在特征A给定的条件下样本的条件熵。
2. 选择信息增益最大的特征作为当前节点的划分标准。
3. 对每个特征值创建一个子节点，并递归地执行步骤 1 和步骤 2。

（1）信息熵的计算

案例1

案例2

（2）信息增益 Gain

 

案例1