matlab版的信息增益算法实现

function tree = InformationGain（a）
targets     = a（:end）;
targets     = targets‘;
a           = a（:1:end-1）;
patterns    = a‘;
[Ni L]		= size（patterns）;
%Nu          = 1000;
discrete_dim = zeros（1Ni）;
for i = 1:Ni
    Ub = unique（patterns（i:））;
    Nb = length（Ub）;
    %This is a discrete pattern
    discrete_dim（i）	= Nb;%记录每列属性独一无二的样本的长度
end
%  Build a tree recursively
%  patterns     - Train patterns训练集D （the number of features） * （the number of samples）
%  targets	    - Train targets 1*（the number of samples）训练集D的类数
%  inc_node     - Stop building a subtree if its total samples are less than inc_node，
%  discrete_dim - 1*（the number of features）. 0 entries for continuous features 
%  [NiL]= size（patterns）;%Ni-the number of features，L-the number of samples）
Uc= unique（targets）;%训练集D的类数，并从小到大排序
for i = 1:length（Uc）
    Pnode（i） = length（find（targets == Uc（i））） / L;
    %disp（find（targets == Uc（i）））;
end
Inode = -sum