下表是一个有关挑选西瓜的经验数据,其中分类属性是d(是否好瓜)
编号 c1(色泽) c2(根蒂) c3(敲声) c4(纹理) c5(脐部) c6(触感) d(好瓜)
x1 青绿 蜷缩 浊响 清晰 凹陷 硬滑 是
x2 乌黑 蜷缩 沉闷 清晰 凹陷 硬滑 是
x3 乌黑 蜷缩 浊响 清晰 凹陷 硬滑 是
x4 青绿 蜷缩 沉闷 清晰 凹陷 硬滑 是
x5 浅白 蜷缩 浊响 清晰 凹陷 硬滑 是
x6 青绿 稍蜷 浊响 清晰 稍凹 软粘 是
x7 乌黑 稍蜷 浊响 稍糊 稍凹 软粘 是
x8 乌黑 稍蜷 浊响 清晰 稍凹 硬滑 是
x9 乌黑 稍蜷 沉闷 稍糊 稍凹 硬滑 否
x10 青绿 硬挺 清脆 清晰 平坦 软粘 否
x11 浅白 硬挺 清脆 模糊 平坦 硬滑 否
x12 浅白 蜷缩 浊响 模糊 平坦 软粘 否
x13 青绿 稍蜷 浊响 稍糊 凹陷 硬滑 否
x14 浅白 稍蜷 沉闷 稍糊 凹陷 硬滑 否
x15 乌黑 稍蜷 浊响 清晰 稍凹 软粘 否
x16 浅白 蜷缩 浊响 模糊 平坦 硬滑 否
x17 青绿 蜷缩 沉闷 稍糊 稍凹 硬滑 否
以上述数据为训练数据,采用ID3算法(利用信息增益选择属性)构建一棵决策树,写出构建步骤。
算法分析:
输入:训练集dataSet(D),特征集A
输出:决策树T
Step1若训练集dataSet中所有实例属于同一类 ,则T为单结点树,并将类 作为该节点的类标记,返回T; ps:递归终止条件
Step2:若A=Ø,则T为单结点树,并将D中实例数最大的类 作为该节点的类标记,返回T;ps:递归终