如何通过计算信息熵，进行决策树的分裂

假设训练集合包含以下10个元素：

其中s、m和l分别表示小、中和大。

设L、F和H表示日志密度、好友密度、是否使用真实头像，下面计算各属性的信息增益。

import math

#为了方便计算，我们定义一个计算信息值的函数,参数P为选择该分类的概率
def info_value(p):
    #try可以防止当p为0时，log2(p)计算报错
    try:
        result = -math.log2(p)
    except:
        result = 0
    finally:
        return result

#观察我们需要判断标签项(即账号是否为真的列)
# no 3个 p = 0.3
# yes7个 p = 0.7

#计算整体信息熵
info_D =