写一段完整的代码使Matlab编程实现基于西瓜集2.0和信息增益选择最优划分特征构建决策树。

在MATLAB中，你可以使用`fitctree`函数以及其内置的`criterion`选项来创建基于信息增益的决策树。西瓜集2.0通常是指数据集，你需要先加载数据。这里是一个基本的例子，假设你已经有了名为`data`的数据矩阵，列代表特征，行代表样本，目标变量存储在最后一列：

% 加载西瓜集2.0数据（这里假设数据已经存在）
load('your_dataset.mat'); % 替换为实际文件名

% 提取特征（X）和标签（Y）
X = data(:, 1:end-1);
Y = data(:, end);

% 使用gini指数（默认信息增益的另一种形式）作为划分准则
options = statset('TreeMethod', 'recursive-b最好');

% 创建决策树模型
treeModel = fitctree(X, Y, 'Options', options);

% 查看决策树结构
disp(treeModel)

% 可视化决策树
view(treeModel)

在这个例子中，`fitctree`函数会自动选择信息增益最高的特征来进行划分。如果你想使用特定的算法（如ID3、C4.5），可以在`Criterion`选项中设置：

criteria = 'infoGain';
treeModel = fitctree(X, Y, 'CategoricalPredictors', [], 'Criterion', criteria, 'Options', options);