decision-tree处理连续值的决策树

# decision-tree 处理连续值的决策树 ## 数据集 traindata.txt为训练数据集，testdata.txt为测试数据集，数据有4个特征，一共有3个label。 ## 实验原理 采用ID3算法，即在每次需要分裂时，计算每个属性的增益率，然后选择增益率最大的属性进行分裂。 对于特征属性为连续值，可以如此使用ID3算法：先将D中元素按照特征属性排序，则每两个相邻元素的中间点可以看做潜在分裂点， 从第一个潜在分裂点开始，分裂D并计算两个集合的期望信息，具有最小期望信息的点称为这个属性的最佳分裂点，其信息期望作为此属性的信息期望。 ## 代码介绍 生成决策树： decisiontree.py 绘制决策树： treePlotter.py