data = [
[1, 2, 3],
[1, 2, 4],
[1, 2, 5],
[0, 2, 1],
[0, 11, 2]
]
label = [0, 0, 0, 1, 1]
cls = DecisionTree()
# 训练决策树
cls.train(data, label)
data = [1, 1, 1]
# 测试决策树
print(cls.predict(data))
利用C4.5算法来生成决策树
不含剪枝过程
增加正则化:
信息增益最小限度
剪枝过程