决策树学习的重点是根据训练数据集S，构造决策树。        决策树构造的难点在于将各分类属性放置于决策树中何种位置，基本的原则是具有最大信息增益的属性节点放置于越靠近树根的位置（ID3算法）。学习决策树的一个基本点在于计算信息增益。具体计算方法详见《机器学习》P40 3.4.1《哪个属性是最佳的分类属性》中的例子。         写的很好的一个博客算法杂货铺——分类算法之决策树(

http://www.cnblogs.com/LeftNotEasy/archive/2010/09/27/1837163.html 本文由LeftNotEasy原创，可以转载，但请保留出处和此行，如果有商业用途，请联系作者wheeleast@gmail.com   一. 简单的说贝叶斯定理： 贝叶斯定理用数学的方法来解释生活中大家都知道的常识 形式最简单的定理往往是最好的定理，

记录三个非常不错的WEKA入门介绍：