决策树基本思想

决策树是基本的机器学习分类算法，它的输入是一组带标签的数据，输出是一颗决策树，树的非叶结点代表判断逻辑，叶子结点代表分类子集。

决策树算法原理是通过训练数据形成if-then的判断结构。从树的根节点到叶节点的每一条路径构成一个判断规则。我们需要选择合适的特征作为判断节点，可以快速的分类，减少决策树的深度。最理想的情况是，通过特征的选择把不同类别的数据集贴上对应类标签，树的叶子节点代表一个集合，集合中数据类别差异越小，其数据纯度越高。

• 输入：训练集$D=\{(x_1,y_1),(x_2,y_2),...,(x_3,y_3)\}$，属性集 A = { a 1 , a 2 , . . . , a n } A=\{a_1,a_2,...,a_n\} A={a1​,a2​,...,an​}
  过程：抽象为函数TreeGenerate(D,A)
  注：最优划分属性即为能把最多结点分为一类的属性

1. 生成根结点node
2. if D中样本全部属于某一类C，then
3.    标记根节点为C类叶子结点；return
4. endif
5. if A = 空集 or D样本在A上取值相同  then
6. 	标记根结点为D中样本数最多的结点；return
7. endif
8. 从A中选取最优划分属性a*
9. for a*的每一个值a*v do
10.	    为node生成一个分支Dv，表示D中在a上取值为a*v的所有的样本的子集
11. 	if Dv为空 then
12.			将分支结点标记为叶子结点，其类别标记为D中样本最多的类；return
13.		else 
14.			以TreeGenerate(Dv,  A\{a*})为分支结点递归
15.	 

输出：以node为根节点一个一颗决策树

决策树的生成是一个递归过程，有三种情形会导致递归返回：

1. 当前结点的样本完全属于同一类别（无需划分）
2. 当前划分时的属性集为空集，或者所有样本在所有属性上取值都相同（无法划分）
3. 当前结点集合为空（不能划分）

参考文献

机器学习 - 周志华
分类算法 – 决策树ID3算法