TIME
信息增益（Information Gain）是机器学习领域中一个非常重要的概念，特别是在决策树算法中。它用于衡量某个属性（特征）对于数据分类的不确定性减少的程度。简单来说，信息增益越大，说明该属性对于分类结果的影响越大。
具体到信息增益比（Gain Ratio），它是在信息增益的基础上进行了归一化处理，以解决某些偏向性的问题，在某些情况下，某些属性如果拥有较多的属性值，可能会导致其信息增益值较高，但这并不一定意味着这些属性对于分类结果更为重要，为了解决这个问题，信息增益比被引入，它是在信息增益的基础上除以该属性的固有值（即该属性的所有可能值的熵），通过这种方式，信息增益比能够更准确地反映属性对分类结果的贡献。
信息增益主要衡量一个属性对于分类结果的影响大小，而信息增益比则是对信息增益的进一步优化，旨在更准确、更公正地衡量属性对分类结果的贡献，解决偏向性的问题。
