决策树一、基本流程二、划分选择2.1 信息增益2.2 增益率2.3 基尼指数三、剪枝处理四、连续与缺失值4.1 连续值处理4.2 缺失值处理一、基本流程三种停止条件：当前结点包含的样本全属于同一类别，无需划分当前属性集为空，或是所有样本在所有属性上取值相同，无法划分当前结点包含的样本集合为空，不能划分二、划分选择2.1 信息增益信息熵是度量样本集合“纯度”最常用的一种指标。假定当前样本集合D中第k

C4.51.引入库2.读入数据3.找到样本最多的类4.计算香农熵5.划分数据集6.找出信息增益率最大的值7.创建树8.运行结果1.引入库import mathimport operator2.读入数据def createDataset():dataSet = [['青绿', '蜷缩', '浊响', '清晰', '凹陷', '硬滑', '好瓜'],['乌黑', '蜷缩', '沉闷', '清晰', '