ID3算法

ID3是数据挖掘分类中的一种（是一种if-then的模式），其中运用到熵的概念，表示随机变量不确定性的度量

H（x）=-∑pi *log pi

信息增益是指特征A对训练数据集D的信息增益g（D，A），定义为集合D的经验熵H（D）与特征A给定条件下D的经验条件熵H（D|A）之差

g（D，A）=H（D）-H（D|A）

其中H（Y|X）=∑pi H（Y|X=xi)

Pi=P(x=xi)

ID3 是一种自顶向下增长树的贪婪算法，在每个结点选取能最好地分类样例的属性。继续这个过程直到这棵树能完美分类训练样例，或所有的属性都使用过了。

ID3算法流程

ID3(Examples，Target_attribute，Attributes)

Examples 即训练样例集。Target_attribute 是这棵树要预测的目标属性。Attributes

是除目标属性外供学习到的决策树测试的属性列表。返回能正确分类给定

Examples 的决策树。

  创建树的 Root 结点

  如果 Examples 都为正，那么返回 label =+ 的单结点树 Root

 如果 Examples 都为反，那么返回 label =- 的单结点树 Root

  如果 Attributes 为空，那么返回单结点树 Root，label=Examples 中最普遍的

Target_attribute 值

  否则

  A←Attributes 中分类 Examples 能力最好*的属性

 Root 的决策属性←A

 对于A的每个可能值v

 在Root下加一个新的分支对应测试A= vi

 令Examples vi 为Examples中满足A属性值为v i的子集

 如果的子集Examples vi 为空在这个新分支下加一个叶子结点，结点的 label=Examples vi

中最普遍的 Target_attribute 值

 否则在这个新分支下加一个子树 ID3（Examples vi ,Target_attribute, Attributes-{A}）

 结束

 返回 Root

其主要代码如下


View
Code

计算信息增益


View
Code

若使用C4.5就会使用信息增益比


View
Code

ID3 ： 归纳偏置的更贴切近似：较短的树比较长的得到优先。那些信息增益高的属性

更靠近根结点的树得到优先