步驟：

1、通過信息增益率篩選分支。

（1）共有4個自變量，分別計算每一個自變量的信息增益率。

首先計算outlook的信息增益。outlook的信息增益Gain(outlook)=

其中，v是可能取值的集合（本例中，outlook可以取3個值），D表示整個數據集，Dv是outlook取值為v的樣本集合，而|*|表示數據集的大小（其中的樣本數量）。

其中Entropy(PlayGolf? in D)為最終因變量PlayGolf的信息熵值。計算過程為：

PlayGolf共有2種結果：YES（9個觀測值）、NO（5個觀測值）

YES出現的概率為9/14，NO出現的概率為5/14。

根據熵值計算公式：

其中c=2（PlayGolf有2個取值YES和NO）。

p1=9/14,p2=5/14.

其次計算根據outlook對數據進行分類，加權計算PlayGolf的信息熵

中D表示了1-14全部的PlayGolf數值，但是可以根據outlook的取值不同將1-14行數據，分為3類：Sunny、Overcast、Rainy。

D1表示了為Sunny的PlayGolf的數值。

計算D1的中playgolf的信息熵。同理計算D2,D3數據集的PlayGolf信息熵。

計算屬性Outlook的信息增益Gain(Outlook)=0.940-0.694=0.246

信息增益率為：

Outlook的信息增益已經有了，現在計算Outlook的熵。

計算Outlook的信息增益率

同理計算其他屬性的信息增益率。

決策樹算法——計算步驟示例