在前面的两篇文章中我们介绍了信息熵和条件熵。
信息熵代表的是随机变量的复杂度（不确定度）。
条件熵代表的是在某一个条件下，随机变量的复杂度（不确定度）。
现在信息增益=信息熵-条件熵。
换句话说，信息增益代表了在一个条件下，信息复杂度减少的程度。
在决策树算法中的关键问题时特征的选择，当有多个特征的时候，我们选择哪个特征来进行分类呢？或者是按照什么标准来选择特征呢？
这个问题我们利用信息增益的概念来解决，如果选择某一个特征，其信息增益最大（信息复杂度减少的程度最大），那么我么就选择这个特征开进行划分类。
下面举一个例子;
可以求得随机变量X（嫁与不嫁）的信息熵为：
嫁的个数为6个，占1/2，那么信息熵为-1/2log1/2-1/2log1/2 = -log1/2=0.301
现在假如我知道了一个男生的身高信息。
身高有三个可能的取值{矮，中，高}
矮包括{1,2,3,5,6,11,12}，嫁的个数为1个，不嫁的个数为6个
中包括{8,9} ，嫁的个数为2个，不嫁的个数为0个
高包括{4,7,10}，嫁的个数为3个，不嫁的个数为0个
先来回忆一下条件熵的公式为：
我们先求出公式对应的: 在对应身高的时候嫁或者不嫁的条件熵。
H(Y|X = 矮) = -1/7log1/7-6/7log6/7=0.178
H(Y|X=中) = -1log1-0 = 0
H(Y|X=高） = -1log1-0=0
p(X = 矮) = 7/12,p(X =中) = 2/12,p(X=高) = 3/12
则可以得出条件熵为：
7/12*0.178+2/12*0+3/12*0 = 0.103
那么我们知道信息熵与条件熵相减就是我们的信息增益，为
0.301-0.103=0.198
所以我们可以得出我们在知道了身高这个信息之后，信息增益是0.198
我们可以知道，本来如果我对一个男生什么都不知道的话，作为他的女朋友决定是否嫁给他的不确定性有0.301这么大。
当我们知道男朋友的身高信息后，不确定度减少了0.198，不确定度只有0.103这么大了，（如果不确定是0就最好了，我肯定嫁给他，因为他好的没有悬念，哈哈）.也就是说，身高这个特征对于我们广大女生同学来说，决定嫁不嫁给自己的男朋友是很重要的。
至少我们知道了身高特征后，我们原来没有底的心里（0.301）已经明朗一半多了，减少0.198了（大于原来的一半了）。
那么这就类似于非诚勿扰节目里面的桥段了，请问女嘉宾，你只能知道男生的一个特征。请问你想知道哪个特征。
假如其它特征我也全算了，信息增益是身高这个特征最大。那么我就可以说，孟非哥哥，我想知道男嘉宾的一个特征是身高特征。因为它在这些特征中，对于我挑夫君是最重要的，信息增益是最大的，知道了这个特征，嫁与不嫁的不确定度减少的是最多的。