决策树在增益/拆分计算后最终得到相同的给定树？答案

【问题标题】：Decision trees ended up with same given tree after gain/split computation?决策树在增益/拆分计算后最终得到相同的给定树？
【发布时间】：2018-03-28 20:43:10
【问题描述】：

我得到了一个决策树，其中包含要解决的课堂样本数据。在使用提供的样本数据计算增益/分裂树之后，我最终得到了问题中的同一棵树。

如果我最终得到问题中给出的同一棵树，这是否意味着没有更多的信息增益并且所有内容都被正确分类？

我只是想知道背后的概念，如果提供给我们的决策树最终与我的解决方案相同怎么办。

【问题讨论】：

请编辑问题以将其限制为具有足够详细信息的特定问题，以确定适当的答案。避免一次问多个不同的问题。请参阅“如何提问”页面以获得澄清此问题的帮助。
希望我缩小了我的问题范围。

标签： math machine-learning artificial-intelligence decision-tree entropy

【解决方案1】：

给你决策树的人已经用示例数据完成了计算。

你必须做的任务是创建一个新的决策树，还是应该只检查给定的决策树（例如混淆矩阵）有多好？

【讨论】：

问题分为两部分。第一部分是检查给定的树是否与样本数据匹配。第二部分是使用示例数据创建一个决策树，我最终得到了同一棵树。（没有混淆mateix）我只想知道如果我们最终得到相同的数据意味着什么。这是否意味着没有信息增益？