基本流程 Algorithm1决策树学习基本算法 输入： ·训练集D={x1,1),,(xm,m)片； 。属性集A=(a1,,aa 过程：函数TreeGenerate(D,A) 1上：生成结点node: (1)当前结点包含的 2:ifD中样本全属于同一类别C then 样本全部属于同一类 3:将node标i记为C类叶结点：return 别 4:end if 5:ifA=0ORD中样本在A上取值相同thcn■ 6:将node标记叶结点，其类别标记为D中样本数最多的类：return (2)当前属性集为空， 7:end if 或所有样本在所有属 8:从A中选择最优划分属性a 性上取值相同 9:fora.的每一个值a:do 10:为node生成每一个分枝；令D,表示D中在a.上取值为a:的样本子集： 1:ifD,为空then 12: 将分枝结点标记为叶结点，其类别标记为D中样本最多的类：return (3)当前结点包含的 13:else 样本集合为空 14 以TreeGenerate(De,A-{a.)为分枝结点 15:end if 16:end for 输出：以node为根结点的一棵决策树 基本流程 （1）当前结点包含的 样本全部属于同一类 别 （2）当前属性集为空， 或所有样本在所有属 性上取值相同 （3）当前结点包含的 样本集合为空