id3算法的学习过程是 ID3算法为何要通过最高信息增益来确定最佳分类属性？

id3算法的学习过程是

ID3算法为何要通过最高信息增益来确定最佳分类属性？

ID3算法为何要通过最高信息增益来确定最佳分类属性？

为何不是直接根据属性的最小熵值来确定？

谢谢邀请，以information gain ratio为标准的好处是可以保证分类属性所携带的信息被充分利用，避免倾向于类别多的属性。这样一是避免了“高射炮打蚊子”，二是也能在一定程度上避免overfitting。
如果是以information gain为标准来选择分类属性，那么确实没有必要计算H(D)。
但有的时候我们会以informationgain radio为标准来选择分类属性，这时就需要计算H(D)和G(D,A)了。

id3算法生成结构树的过程？

ID3算法是一种贪心算法，用来构造决策树。ID3算法起源于概念学习系统（CLS），以信息熵的下降速度为选取测试属性的标准，即在每个节点选取还尚未被用来划分的具有最高信息增益的属性作为划分标准，然后继续这个过程，直到生成的决策树能完美分类训练样例。

决策树字段是啥？

决策树是一种机器学习的方法。决策树的生成算法有ID3, C4.5和C5.0等。决策树是一种树形结构，其中每个内部节点表示一个属性上的判断，每个分支代表一个判断结果的输出，最后每个叶节点代表一种分类结果。
决策树是一种十分常用的分类方法，需要监管学习（有教师的Supervised Learning），监管学习就是给出一堆样本，每个样本都有一组属性和一个分类结果，也就是分类结果已知，那么通过学习这些样本得到一个决策树，这个决策树能够对新的数据给出正确的分类。这里通过一个简单的例子来说明决策树的构成思路：
给出如下的一组数据，一共有十个样本（学生数量），每个样本有分数，出勤率，回答问题次数，作业提交率四个属性，最后判断这些学生是否是好学生。最后一列给出了人工分类结果。

从事人工智能行业需要学什么？

主干课程1.认知与神经科学课程群具体课程：认知心理学、神经科学基础、人类的记忆与学习、语言与思维、计算神经工程2.人工智能伦理课程群具体课程：《人工智能、社会与人文》、《人工智能哲学基础与伦理》3.科学和工程课程群新一代人工智能的发展需要脑科学、神经科学、认知心理学、信息科学等相关学科的实验科学家和理论科学家的共同努力，寻找人工智能的突破点，同时必须要以严谨的态度进行科学研究，让人工智能学科走在正确、健康的发展道路上。4.先进机器人学课程群具体课程：《先进机器人控制》、《认知机器人》、,《机器人规划与学习》、《仿生机器人》5.人工智能平台与工具课程群具体课程：《群体智能与自主系统》《无人驾驶技术与系统实现》《游戏设计与开发》《计算机图形学》《虚拟现实与增强现实》……6.人工智能核心课程群具体课程：《人工智能的现代方法I》《问题表达与求解》、《人工智能的现代方法II》《机器学习、自然语言处理、计算机视觉等》……