决策树测试案例更新完成

docs/3.决策树.md

@@ -1,5 +1,6 @@
 
 # 3) 决策树
+<script type="text/javascript" src="http://cdn.mathjax.org/mathjax/latest/MathJax.js?config=default"></script>
 
 * 决策树是什么？
     * 顾名思义，是一种树，一种依托于策略抉择而建立起来的树。
@@ -17,7 +18,8 @@
         * 划分数据集的最大原则是：将无序的数据变得更加有序。
         * 集合信息的度量称为`香农熵`或者简称`熵`(名字来源于信息论之父`克劳德·香农`)
         * 公式： 
-            * l(x_i) = -log_2 P(x_i)
-            * <img src="http://chart.googleapis.com/chart?cht=tx&chl=\Large x=\frac{-b\pm\sqrt{b^2-4ac}}{2a}" style="border:none;">
+            * \\(p(x_i)\\) 表示该label分类的概率
+            * \\(l(x_i) = - \log_2p(x_i)\\) 表示符号\\(x_i\\)的信息定义
+            * \\(H = -\sum_{i=0}^np(x_i)\log_2p(x_i)\\) 表示香农熵，用于计算信息熵
     * 基尼不纯度(Gini impurity)  [本书不做过多的介绍]
         * 简单来说：就是从一个数据集中随机选取子项，度量其被错误分类到其他分组里的概率。