如果我的朋友說介紹個女生給我認識，那麼我會問我朋友女生的條件，然後再決定認不認識。
他說他只知道關於女生的這些資訊：
《王者榮耀》玩的好不好。
喜不喜歡寵物。
長得漂不漂亮。
脾氣好不好。
長頭髮還是短頭髮。
是否要求南方有車有房。
喜不喜歡吃辣條。
會不會做飯。
但是我的朋友很勢利，他說我每問乙個關於女生的問題就必須給他100塊。
那我應該怎麼問最少的問題，花最少的錢，就能決定認不認識呢？
像這種問題可以用id3來做判斷。
首先我先來介紹一下id3演算法。
id3 演算法是澳洲計算機科學家ross quinlan發明的，全稱是iterative dichotomiser 3。
id3 演算法的作用是通過乙個資料集來生成一棵決策樹。
id3 演算法的主要應用領域有：1，機器學習，2，自然語言處理。
id3 演算法的執行流程：
第一步是遞迴地構建決策樹，計算資訊增益最大（或者熵最小）的特徵作為最優特徵。
遞迴的出口是：1，所有標籤都一樣。 2，當所有特徵都遍歷過，那麼選擇出現最多的標籤。
ID3演算法Java實現
1.1 資訊熵 熵是無序性 或不確定性 的度量指標。假如事件a 的全概率劃分是 a1,a2,an 每部分發生的概率是 p1,p2,pn 那資訊熵定義為 通常以2 為底數，所以資訊熵的單位是 bit。1.2 決策樹 決策樹是以例項為基礎的歸納學習演算法。它從一組無次序 無規則的元組中推理出決策樹表示形...
java實現ID3演算法
id3是經典的分類演算法，要理解id3演算法，需要先了解一些基本的資訊理論概念，包括資訊量，熵，後驗熵，條件熵。id3演算法的核心思想是選擇互資訊量最大的屬性作為分割節點，這樣做可以保證所建立的決策樹高度最小。樹結構 c4.5決策樹資料結構 author zhenhua.chen descripti...
ID3演算法原理講解
熵這個概念最早起源於物理學，在物理學中是用來度量乙個熱力學系統的無序程度，而在資訊學裡面，熵是對不確定性的度量。在1948年，夏農引入了資訊熵，將其定義為離散隨機事件出現的概率，乙個系統越是有序，資訊熵就越低，反之乙個系統越是混亂，它的資訊熵就越高。所以資訊熵可以被認為是系統有序化程度的乙個度量。假...