分类树的属性选择
字段选择（用ID3 C4.5算法去选择）
ID3算法
目标字段：确定平均分布还是 偏分布
两类结果的目标字段的entryny：I（s1,s2）越接近1.代表平均分布
选择其他字段：越重要的字段，entryny下降的越大，正确率也就 越高。可以根据Entry推测出先选哪个字段来分枝。
ID3算法的缺点
无法处理数值型字段，无法处理空值，它不会砍树
C4.5：获利比率Gain R:改善分支度越高就好的错误认知。（information value），分支度度越高 ，获利比例低
处理连续型变量
处理连续型；离散。找到GR最大的点。
分类树砍树：
1.修剪法
2.盆栽法
C4.5的砍树方法；评估展开的错误率，和收起来的错误率。算法非常复杂
