一、引入
通过前面的学习，我们知道在决策树的构建过程中，信息增益可以作为节点划分时的属性选择标准，但是，使用信息增益作为属性选择标准有一个不可避免的缺点，那就是整个选择过程中会倾向于选择能产生更多分支的属性，例如，对于性别属性，其取值分为男、女两类，而对于年龄属性，可以分为青年、中年、老年三类，则在运用信息增益选择划分属性时会更倾向于选择年龄属性。为了解决这个问题，我们引入信息增益率的概念。

二、信息增益率的概念
（1）信息增益率
信息增益率是在信息增益与特征熵的比值，计算公式如下：

其中，表示信息增益， 表示训练数据集关于属性 的熵，也称为属性 的“固有值”，通常属性 的可能取值数目越多（即 越大），则 的值越大，而 就会越小，这样就能够降低节点划分时选择取值较多的属性的倾向性。 信息增益率越高，说明分裂的效果越好。 其余符号表示与信息增益中的表达保持一致，这里不再赘述。

（2）举例说明
继续上节提到的例子，信息增益率的计算如下：

可以看出节点 的信息增益为0.285，分母中划分节点属性的熵 为0.97，从而得到作为节点的信息增益率为0.294。