C4.5算法如何处理属性相同但结果不同的数据？

Question

我正在尝试用C4.5算法为一个学校项目创建一棵决策树。决策树是针对Haberman's Survival Data Set的，属性信息如下。

Attribute Information:

1. Age of patient at time of operation (numerical)
2. Patient's year of operation (year - 1900, numerical)
3. Number of positive axillary nodes detected (numerical)
4. Survival status (class attribute)
    1 = the patient survived 5 years or longer
    2 = the patient died within 5 year

我们需要实现一个决策树，其中每个叶必须有一个不同的结果(这意味着叶的熵应该是0)，但是有六个实例具有相同的属性，但结果不同。

例如：

66,58,0,2
66,58,0,1

C4.5算法在这种情况下会做什么，我到处都找过了，但找不到任何信息。

谢谢。

Answer 1

阅读Quinlan，J.R.C4.5:机器学习程序。摩根·考夫曼出版社，1993年。(如果你有大学作业，学习C4.5是一个很好的选择)

从我的研究来看。看起来像是在第137页，源代码清单build.c

有一行

//* if all case are the same.... or there are not enough case to divide (和你的问题一样)

它将return Node

此节点来自

Node = Leaf(ClassFreq, BestClass, Cases, Cases-NoBestClass);

ClassFreq存储每个类的计数

BestClass存储是占主导地位的类(大多数情况)，它存储有多少数据

NoBestClass存储BestClass的多少数据此叶函数来自文件Trees.c此叶函数将返回一个叶为bestClass (Best class become the leaf)的节点。

所有这些信息参考昆兰，J.R.C4.5:机器学习程序。摩根·考夫曼出版社，1993年。

任何知道这一点的人，如果我做错了什么，请发表评论。谢谢