決策樹(shù)是一種通過(guò)樹(shù)形結(jié)構(gòu)進(jìn)行分類(lèi)的人工智能預(yù)測(cè)模型，如根據(jù)圖1所示“氣象特點(diǎn)與游客是否來(lái)游樂(lè)場(chǎng)的關(guān)系”繪制的如圖2所示的決策樹(shù)樹(shù)形結(jié)構(gòu)：

通過(guò)了解當(dāng)天的是否有風(fēng)、天氣、溫度和濕度這4個(gè)節(jié)點(diǎn)參數(shù)即可預(yù)測(cè)當(dāng)天是否有人來(lái)游樂(lè)場(chǎng)。
不同的節(jié)點(diǎn)劃分順序可以繪制不同的決策樹(shù)，為了選出最優(yōu)的節(jié)點(diǎn)劃分順序，需要采用“信息熵”與“信息增益”指標(biāo)。
信息熵，又稱(chēng)香農(nóng)熵，被用來(lái)度量信息量的大小，信息熵越大表示信息量越大。
信息增益，表示樣本經(jīng)某節(jié)點(diǎn)劃分后的信息熵變化大小。我們繪制決策樹(shù)時(shí)應(yīng)當(dāng)逐次選擇信息增益最大的節(jié)點(diǎn)作為當(dāng)前節(jié)點(diǎn)。
對(duì)于有n個(gè)信息的樣本D，記第k個(gè)信息發(fā)生的概率為pk,信息熵計(jì)算公式為E（D）=?∑

n

1

p_klog₂（p_k），
例如游樂(lè)場(chǎng)14個(gè)樣本中“去”（9個(gè)）、“不去”（5個(gè)），則信息熵=?（

9

14

log₂

9

14

+

5

14

log₂

5

14

）=0.940
若樣本按“是否有風(fēng)”節(jié)點(diǎn)劃分，“是”（6個(gè)，其中3個(gè)去，3個(gè)不去）信息熵=?（

3

6

log₂

3

6

+

3

6

log₂

3

6

）=1；
“否”（8個(gè)，其中6個(gè)去，2個(gè)不去）信息熵=?（

6

8

log₂

6

8

+

2

8

log₂

2

8

）=0.811；經(jīng)過(guò)此節(jié)點(diǎn)劃分后的信息增益=原始信息熵?按此節(jié)點(diǎn)劃分后樣本信息熵比例和=0.940?（

6

14

×1+

8

14

×0.811）=0.048。
（1）根據(jù)上述描述與圖1，則“天氣”節(jié)點(diǎn)中的“多云”信息熵是

0

0

。
（2）實(shí)現(xiàn)求首次劃分節(jié)點(diǎn)的程序如下，請(qǐng)?jiān)跈M線處填入合適的代碼：