划分选择 口决策树学习的关键在于如何选择最优划分属性。一般而言，随着 划分过程不断进行，我们希望决策树的分支结点所包含的样本尽可 能属于同一类别，即结点的"纯度”(purity)越来越高 口经典的属性划分方法： ·基尼指数(CART) ●信息增益(ID3) ● 增益率(C4.5) 划分选择 p 决策树学习的关键在于如何选择最优划分属性。一般而言，随着 划分过程不断进行，我们希望决策树的分支结点所包含的样本尽可 能属于同一类别，即结点的“纯度”(purity)越来越高 p 经典的属性划分方法： l 基尼指数（CART） l 信息增益（ID3） l 增益率（C4.5）