决策树ID3

简介：

通过样本数据集画出决策树，将测试数据从上到下依次做判断即可得到结果

适用范围：

标称型数据（是/否），没法处理数值型

步骤：

1.计算样本数据集的香农熵；

2.按给定特征划分样本数据集；

3.选择最好的数据集划分方式；

4.递归构建决策树（没有库，自己定义画图函数）

缺点：

1.无法给出数据的内在含义；

2.容易出现过度匹配，可以裁剪决策树，去掉一些不必要的叶子节点；

优点：

1.计算复杂度不高，输出结果是决策树，形式直观，容易理解；

其他决策树的构造算法，C4.5和CART；