在运维中心收集到的一批样本中，每条样本包含 m 个二值特征与一个二分类标签（0=正常，1=劣化）。请基于 ID3 决策树训练一个二叉分类器，并对 q 条查询样本给出预测结果。 规则与细节 划分准则：信息增益（Entropy + Information Gain）。在当前节点，从“尚未使用”的特征中选择信息增益最大的进行二分。 并列处理：若多个特征增益相同，选择“特征下标更小”的那个。 终止与叶子： 若当前样本标签全同，直接返回该标签； 若没有任何特征能带来正的增益（或特征已经用尽），返回“多数标签”；若平票，返回 0。 为保证可预测性，某次划分若一侧样本为空，该子结点直接作为“多数标签叶子”（平票仍为 0）。 预测：从根出发，按节点记录的特征下标读取 01 向左向右，直到叶子。
输入描述:
第一行：n m接下来 n 行：每行 m+1 个整数，前 m 个为特征值（01），最后 1 个为标签（01）下一行：q接下来 q 行：每行 m 个整数，表示待预测样本的特征（01）
输出描述:
共 q 行，每行 1 个整数（0 或 1），为对应查询样本的预测值
示例1
输入
6 2
0 0 0
0 1 0
1 0 1
1 1 1
0 0 0
1 1 1
3
0 1
1 0
1 1
说明
在根节点，按信息增益选择特征1（与特征2并列时，因下标更小而被选中）；左支（特征1=0）标签几乎全为 0，右支（特征1=1）标签几乎全为 1；因此三个查询分别预测为 0、1、1。
备注:
本题由牛友@Charles 整理上传
加载中...