决策树学习主要利用信息论中的信息增益(informationgain)，寻找数据集中有最大信息量的变量,建立数据的一个节点，再根据变量的不同值建立树的分枝，每个分枝子集中重复建树的下层结果和分枝的过程，一直到完成建立整株决策树（）此题为判断题(对，错)。

A.样本集中分类的比例越平均，信息熵越小

B.信息熵与信息增益成正比

C.信息增益越大，则特征能够为分类系统带来信息量越大

D.信息熵与信息增益成反比

A.决策树

B.规则归纳

C.回归分析

D.神经网络

A.数据源于信息

B.数据经过处理获得信息

C.信息论的创始人是维纳

D.信息是数据的载体

A.C4.5

B.C5.0

C.CART

D.ID3

A.决策树更有可能过拟合数据

B.决策树更有可能不合适数据

C.决策树不假定输入要素的独立性

D.没有提及

A.数据集太小

B.数据集太大

C.数据集没有局部相关性

D.数据集局部相关性极强

A.轨迹跟踪

B.决策树

C.数据挖掘

D.K近邻算法