具体算法步骤如下；1创建节点N2如果训练集为空，在返回节点N标记为Failure3如果训练集中的所有记录都属于同一个类别，则以该类别标记节点N4如果候选属性为空，则返回N作为叶节点，标记为训练集中最普通的类；5foreach候选属性attribute_list6if候选属性是连续的then7对该属性进行离散化8选择候选属性attribute_list中具有最高信息增益率的属性D9标记节点N为属性D10foreach属性D的一致值d11由节点N长出一个条件为Dd的分支12设s是训练集中Dd的训练样本的集合13ifs为空14加上一个树叶，标记为训练集中最普通的类15else加上一个有C4.5（R-{D},C，s）返回的点决策树CART背景：分类与回归树(CARTClassificationAndRegressionTree))是一种非常有趣并且十分有效的非参数分类和回归方法
答：详情>>
