决策树算法基本思想1）树以代表训练样本的单个结点开始
2）如果样本都在同一个类．则该结点成为树叶，并用该类标记
3）否则，算法选择最有分类能力的属性作为决策树的当前结点．4）根据当前决策结点属性取值的不同，将训练样本数据集tlI分为若干子集，每个取值形成一个分枝，有几个取值形成几个分枝
匀针对上一步得到的一个子集，重复进行先前步骤，递4'I形成每个划分样本上的决策树
一旦一个属性出现在一个结点上，就不必在该结点的任何后代考虑它
5）递归划分步骤仅当下列条件之一成立时停止：①给定结点的所有样本属于同一类
②没有剩余属性可以用来进一步划分样本．在这种情况下．使用多数表决，将给定的结点转换成树叶，并以样本中元组个数最多的类别作为类别标记，同时也可以存放该结点样本的类别分布，③如果某一分枝tc，没有满足该分支中已有分类的样本，则以样本的多数类创建一个树叶
以上内容由大学时代综合整理自互联网，实际情况请以官方资料为准。
