解题思路
本题要求用训练样本（m 个二值特征，标签为 0/1）构建一个二叉决策树（ID3），再对 q 个查询样本进行预测。
核心要点：
-
划分准则：使用信息增益（Entropy + Information Gain）。
- 节点样本集合 S 的熵 H(S)=−∑pilog2pi（二分类时就是看 0/1 的占比）。
- 选择尚未使用的特征 f 进行二分（按 0/1 分到 S0,S1），条件熵为
题目内容
通过分析基站的关键性能指标（如信息强度，干扰水平，用户数量等）。可以预测网络是否处于正常状态（标签0）或劣化状态（标签1）.决策树算法因其直观的判断逻辑和快速的响应能力，被广泛应用于无线网络智能运维场景。
给定一组基站性能特征数据和对应的网络质量标签，请实现一个基于信息增益的决策树分类器。用于判断网络质量是否劣化。信息熵定义为：
H(S)=−i∈S∑pilog2(pi)
信息熵 = 划分前熵 - 划分后条件熵
