ID3版本：
算法：Generate_decision_tree 由给定的训练数据产生一棵判定树。
输入：训练样本samples，由离散值属性表示；候选属性的集合attribute_list。
输出：一棵判定树。
方法：
（1）创建节点N；
（2）if samples 都在同一分类C中，then
（3）返回N作为叶子节点，以分类C标记；
（4）if attribute_list 为空，then
（5）返回N为叶子节点，标记为samples中最普通的类；//多数表决
（6）选择attribute_list中具有最高信息增益的属性test_attribute；
（7）标记节点N为test_attribute；
（8）for each test_attribute中的已知值Ai//划分sample
（9）由节点N长出一个条件为test_attribute = Ai的分支；
（10）设Si是samples中的test_attribute = Ai的样本的集合；
（11）if Si为空 then 加上一个树叶，标志samples中的最普通的分类；
（12）else 加上一个由Generate_decision_tree（Si,attribute_list-test_attribute）返回的节点；
判定树归纳算法描述
猜你喜欢
转载自marvinibm.iteye.com/blog/1410851
今日推荐
周排行