本文使用式(1)～式(4)分别计算以下属性的熵：

　　合作社社员等级的熵为，(=_(89／213)1b(89／213)一(124／213)lb(124／213)O984那么，参加培训频率划分样本集后所得的信息增益是

E(经常)：0．908

E(一般)=O．907

E(参加培训频率)=0．908Gain(参加培训频率)=一(参加培训频率)=0．076Gainratio(参加培训频率)=Gain(参加培训频率)(参加培训频率)=O．084

同理，计算得到接受现场指导频率、入社年限、是否入股的信息增益为

Gain—ratio(接受现场指导频率)0．022

Gainratio(入社年限)=0．007

Gainratio(是否入股)：0．002

　　根据以上数据得出Gain—ratio(参加培训频率)>Gain—ratio(接受现场指导频率)>Gain—ratio(是否入股)>Gain—ratio(入社年限)为了清楚地挖掘出有价值的信息，信捷职称论文写作发表网，选择信息增益率最大的属性(参加培训频率)作为决策树的根节点属性创建分枝，该属性有“经常”和“一般”2个值，各产生一个分支，并将训练样例排列在适当的分支之下，重复上述过程，在各个分支处再选取信息增益最大的属性(除去已选作节点的属性)，如此递归，直到这棵树能完美分类训练样例，或所有的属性都已被使用，最终生成的决策树模型如图2所示。