ID3算法 ID3算法的核心思想是通过计算属性的信息增益来选择决策树各级节点上的分类属性,使得在每一个非叶子节点进行测试时,获得关于被测试样本最大的类别信息。其基本方法是:计算所有的属性,选择信息增益最大的属性分裂产生决策树节点,基于该属性的不同属性值建立各分支,再对各分支的子集递归调用该方法建立子节点的分支,直到所有子集仅包括同一类别或没有可分裂的属性为止。由此得到一棵决策树,可用来对新样本数据进行分类。 eg