请用伪代码的形式描述决策树模型算法的过程?

以下是决策树模型算法的伪代码：

输入：训练数据集D，属性集A，停止划分条件stop
输出：决策树T

1. 如果D中所有实例属于同一类别C，则返回单节点树T，类别为C
2. 如果属性集A为空集，则返回单节点树T，类别为D中实例数最多的类别
3. 否则，按照属性选择度量选择最优划分属性Ag，划分数据集D
   1) 如果Ag的信息增益或信息增益比小于停止划分条件stop，则返回单节点树T，类别为D中实例数最多的类别
   2) 否则，对每个划分的子集Di，递归调用步骤1-3，返回子节点Ti
4. 返回决策树T

其中，属性选择度量可以是信息增益、信息增益比、基尼指数等。在实际应用中，需要注意的是过拟合问题，可以通过设置停止划分条件stop来避免。停止划分条件可以是预设的最大深度、子集大小、信息增益的阈值等。