ID3 (алгоритм)

1. Взять все неиспользованные признаки и посчитать их энтропию относительно тестовых образцов
2. Выбрать признак, для которого энтропия минимальна (а информационная выгода соответственно максимальна)
3. Сделать узел дерева, содержащий этот признак

Алгоритм следующий:

ID3(Таблица примеров, Целевой признак, Признаки)

1. Если все примеры положительны, то возвратить узел с меткой «+».
2. Если все примеры отрицательны, то возвратить узел с меткой «-».
3. Если множество признаков пустое, то возвратить узел с меткой, которая больше других встречается в значениях целевого признака в примерах.
4. Иначе:
   1. A — признак, который лучше всего классифицирует примеры (с максимальной информационной выгодой).
   2. Создать корень дерева решения; признаком в корне будет являться ${\displaystyle A}$.
   3. Для каждого возможного значения ${\displaystyle A}$ (${\displaystyle v_{i}}$):
      1. Добавить новую ветвь дерева ниже корня с узлом со значением ${\displaystyle A=v_{i}}$
      2. Выделить подмножество ${\displaystyle Examples(v_{i})}$ примеров, у которых ${\displaystyle A=v_{i}}$.
      3. Если подмножество примеров пусто, то ниже этой новой ветви добавить узел с меткой, которая больше других встречается в значениях целевого признака в примерах.
      4. Иначе, ниже этой новой ветви добавить поддерево, вызывая рекурсивно ID3(${\displaystyle Examples(v_{i})}$, Целевой признак, Признаки)
5. Возвратить корень.

• Паклин Н.Б., Орешков В.И. Глава 9. // Бизнес-аналитика: от данных к знаниям(+CD): Учебное пособие. 2-е изд.. — СПб.: Питер, 2013. — С. 444-459. — ISBN 978-5-459-00717-6.