与ID3的不同之处:
(1)分支指标采用增益比例,而不是ID3所使用的信息增益;
(2)按照数值属性值的大小对样本排序,从中选择一个分割点,划分数值属性的取值区间,从而将ID3的处理能力扩充到数值属性上来。
(3)将训练样本集中的位置属性值用最常用的值代替,或者用该属性所有取值的平均值代替,从而处理缺少属性值的训练样本。
(4)使用k次迭代交叉验证,评估模型的优劣程度
(5)根据生成的决策树,可以产生一个if-then规则的集合,每一个规则代表从根节点到叶节点的一条路径。
增益比例
信息量(熵)split_info(S,A),其中,S代表训练样本集;A代表属性,这个信息量是与样本的类别无关的,计算公式如下: