一、引入

通过前面的学习我们了解到，在决策树的构建过程其实就是属性不断划分的过程，而当前划分属性的选取标准主要是信息增益、信息增益率以及基尼系数。这也就涉及到了我们常用的决策树算法： 算法、 算法以及 算法。

算法原型见于 的博士论文，该算法基础理论较为完善并且使用较为广泛。但是，完美无缺的算法是基本不存在的， 算法也不例外。因此，在后续过程中，学者们陆续推出了 和 等优化算法。这里，我们先来学习经典的 算法。

二、ID3算法基本流程

算法的核心是以信息增益作为节点划分时的属性选择标准，递归地构建决策树。具体流程如下：
（1）从根节点开始，计算所有可能进行划分的特征的信息增益，也就是依次计算每个属性作为划分属性时对应的信息增益；
（2）从上述计算结果中选择信息增益最大的属性进行节点划分，根据该属性的不同取值建立子节点；
（3）对子节点调用以上方法，不断的进行划分；
（4）直到达到决策树的停止分裂条件。

请根据本节内容回答以下问题:

算法的核心思想是什么？