第九周第五天9.5

所用时间：180分钟
代码量（行）：0
了解到的知识点：
1.决策树算法终止条件
（1）样本纯度达到要求：当当前节点的所有样本属于同一类别（即熵为 0 或基尼系数为 0），无需再划分，直接作为叶节点输出类别。
（2）无可用属性划分：若所有属性都已用于划分，或剩余属性对分类结果无影响，此时将当前节点的多数类作为叶节点的类别。
（3）满足预设的停止规则：例如树的深度达到预设最大值、每个节点的样本数少于预设最小值，或信息增益（或其他划分准则）小于预设阈值时，停止划分，将当前节点标记为叶节点并输出多数类。
2.以信息增益和信息增益率以属性划分准则存在的问题
信息增益：倾向于选择取值多的属性，如 “ID” 类唯一取值的属性，其信息增益会很大，但无实际划分意义。
信息增益率：倾向于选择取值少的属性，可能导致划分结果不够合理。