(1) 当前结点包含的样本全属于同一类别，无需划分； 基本算法 (2) 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； (3)当前结点包含的样本集合为空，不能划分. 输入：训练集D= {(c1,1),(x2,2),,(cm,ym)}; 属性集A={a1,a2,,ad 过程：函数TreeGenerate(D,A) 1:生成结点node 递归返回， 2: ifD中样本全属于同一类别C then 情形(1) 3: 将node标记为C类叶结点；return 4:end if 递归返回， 5:fA=⑦ORD中样本在A上取值相同then 将node标记为叶结点，其类别标记为D中样本数最多的类； 情形(2) 6: return 7:end if 8:从A中选择最优划分属性a*; 利用当前结点的后验分布 9: fora*的每一个值agdo 10: 为node生成一个分支；士D,表示D中在a*上取值为a的样本子集； ifD,为空then 递归返回， 11: 12: 将分支结点标记为叶结 其类别标记为D中样本最多的类；return 情形(3) 13: else 将父结点的样本分布作为 14: 以TreeGenerate(Du,A\)为分支结点 当前结点的先验分布 15: end if 16: end for 决策树算法的 输出：以node为根结点的一棵决策树 核心(4, 98
"(1) 98
"(2) /6-0< 98
"(3) .6-0*( 6-0 < 3)4,0 + (1) 6-0*( 5
%; ; (2) !:2, #&$'*($'!1
%, ; (3) 6-0*(:2
7 .