决策树归纳关键词：分类，归纳，决策树，信息理论，知识获取，专家系统摘要： 通过实例的归纳推理构建基于知识的系统的技术已经在若干实际应用中成功地证明。 本文总结了合成在各种系统中使用的决策树的方法，并且详细描述了一个这样的系统ID3。 最近研究的结果显示可以修改该方法以处理嘈杂和/或不完整的信息的方式。 讨论了报告的基本算法的缺点，并且比较了克服它的两种手段。 本文结束了当前研究方向的插图。1.介绍由于人工智能首先在1950年代中期被认可为一门学科，机器学习已成为一个中心研究领域。可以给出这个突出的两个原因。学习的能力是智能行为的标志，所以任何将智力理解为现象的尝试都必须包括对学习的理解。更具体地，学习提供了构建高性能系统的潜在方法。学习研究由不同的子领域组成。在一个极端，有自适应系统监视自己的性能，并尝试通过调整内部参数来改善它。这种方法，大部分早期学习工作的特点，产生了自我完善的游戏程序（Samuel，1967），平衡杆（Michie，1982），解决问题（Quinlan，1969）和许多其他领域。一个完全不同的方法认为学习是以概念形式获取结构化知识（Hunt，1
