判定树归纳算法描述

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；