對於在Step2所建立的Child node，有一些可能會是空的。 =>the node is declared a leaf node with the same class label as the majority class of training records associated with its parent node. (這個node會被宣告成leaf node，而class label會標成與父節點底下的training records的主要class。）
在Step2中，若Dt中的全部records皆擁有相同的屬性值，則無法在進一步做分離這些records。 =>the node is declared a leaf node with the same class label as the majority class of training records associated with this node. (這個node會被宣告成leaf node，而class label會標成與這個node相連結的training records的主要class一樣。）
Design Issue of Decision Tree Induction 決策樹的設計問題介紹
歸納決策樹的演算法必須注意兩個問題：
How should the training records be split? 建立樹的process的每一個recursive step必須挑選一個attribute test condition 去把records分成小的集合。為了實作此步驟，演算法必須提供一個方法，對於不同屬性形態可以去詳細指明測試條件。
How should the splitting procedure stop? 終止一個建立樹的process是需要一個停止條件的。可能的方法就是一直展開節點直到所有record都屬於同一個類別或者是所有records都有相同的屬性值。雖然這兩種條件都可以有效率的讓建立樹的process暫停，但也有可能有其他的標準可以讓這個prcoess更早暫停。在後面4-4-5將會談到。
呼！好累！看原文書還要瞭解，然後在寫成我自己的筆記，挺累的！
4-3-3 Methods for Expressing Attribute Test Conditions 表達屬性測試條件的方法
如下圖，如果有兩個方法可以把資料分成較小的集合，若屬性A先選的話，Gini(N1)=0.4898，G(N2)=0.480，對於descendent nodes來說，weighted average of the Gini index＝(7/12)x0.4898+(5/12)x0.480=0.486。相同的，若先選B的話，weighted average of the Gini index=0.375，因為B有比較小的Gini index，所以會先選擇屬性B。
Splitting of Nominal Attributes
binary split的算法跟binary attribute一樣，所以左邊的Gini index=0.468，而右邊Gini index=0.167，所以會選擇右邊的分割方法。另一個Multiway split的算法也是差不多，Gini index=4/20 x 0.375+8/20 x 0 + 8/20 x 0.219=0.163，比起binary split的方法，multiway split的gini index更小。
坐到銀河裡的目的就是要等船長介紹他的重要高級幹部，不過我們的位置不好，只能看到側面，正面都看不到，小小失望，看不到帥哥。
，所以他只吃了一些沙拉。
。
