可能理解的不对。
决策树构建中节点的选择靠的就是信息增益了。
信息增益是一种有效的特征选择方法，理解起来很简单：增益嘛，肯定是有无这个特征对分类问题的影响的大小，这个特征存在的话，会对分类系统带来多少信息量，缺了他行不行？
既然是个增益，就是个差了，减法计算一下，谁减去谁呢？
这里就用到了信息熵的概念，放到分类系统里面，信息熵如何计算呢？
分类系统里面无非是样本xi以及样本的分类结果yi，假设这个分类系统有k类，那么作为训练集来说，分类情况基本就定了，是按照样本的各个特征定的。那么在这些样本的信息的前提下，分类器有个结果，就自然包含了一种信息量在里面，可以用信息熵E（S）计算出来。
当然大家都知道熵表达的是不确定度，分布约均匀，越不确定，熵越大。
那么当把特征f引入的时候，会不会对系统的信息量有所影响呢？也就引入f之后的系统不确定度E（S|f）是多少呢？其实是个条件熵。也就是加入条件f之后，不确定度减少了多少？信息熵的有效减少量是多少？
为了计算条件熵，我们可以固定f的值，也就是根据f在训练集中呈现的值，计算条件熵E（S|f）。简单的说就是，把根据f划分的各个小系统的信息熵加权求和，权重就是各个小系统占系统S的比例（假设f有两个值0、1，选0的时候有a个样本，样本当然有类别y；f是1的时候有b个样本；a+b=n（样本总数）；那么权重就是a/n和b/n了；每个小系统的信息当然跟大系统求法一样了）。
那么增益IG（f）=E（S）-E（S|f）.
选择 f*=argmax(IG(f))的f作为第一个根节点，然后递归下去吧。
-----------
关于信息增益进行特征选择的问题，拿c类分类问题再理解下，如果一个特征都不参考，那么每个样本属于每个类的概率当然是1/c，此时整个系统的信息熵是最大的logc，一个极端的情况，加入特征A后，那么很明确的就将每个样本分到某个类别中去了，概率分布(1,0,0,0....)，是c维的。
那么此时整个系统的信息熵是不是就是最小的0了，此时加入A后的信息增益为1-0=1。当然，很少会有这么管用的特征，所以就比较信息增益大的特征，用来特征选择。
