ID3算法案例代码运行

ID3 (Iterative Dichotomiser 3) 算法是一种经典的决策树学习算法，主要用于分类问题。它基于信息增益或信息增益率来选择特征进行划分。这里给出一个简单的 Python 示例，使用 `sklearn` 库实现 ID3 算法：

from sklearn.tree import DecisionTreeClassifier
import pandas as pd

# 假设我们有如下的数据集（CSV格式）
# features.csv (包含列名 'feature1', 'feature2', ..., 'target')
data = pd.read_csv('features.csv')

# 将目标变量从数据集中分离出来
X = data.drop('target', axis=1)
y = data['target']

# 创建ID3分类器
id3_classifier = DecisionTreeClassifier(criterion='gini', max_depth=None, min_samples_split=2,
                                        min_samples_leaf=1, min_weight_fraction_leaf=0.0,
                                        max_features=None, random_state=42)

# 训练模型
id3_classifier.fit(X, y)

# 使用训练好的模型做预测
predictions = id3_classifier.predict(X)

# 输出决策树结构（简化版）
# 这里通常会用到tree.export_graphviz(id3_classifier, out_file='id3_tree.dot') 来可视化

请注意，实际应用中，ID3算法由于其对缺失值敏感以及容易过拟合等问题，在现代机器学习中较少直接使用，更常用于教学和理解基本原理。实际项目会选择像 C4.5 或 CART 等改进版本。