训练时测量决策树的准确性

Question

我正在使用ID3算法使用决策树的python实现，并且我想知道如何在预定义数量的节点中训练树时如何测量准确性（明确说明：每插入10个节点进入树使我能够测量精度，因此我可以构建一个图表来显示训练时精度的演变），但是我使用的是递归方法，并且我不能使用节点计数器来进行测量，因为子树节点作为方法中的参数，这将使我对子树的准确性。我有点主意。 感谢您的关注！

这是该方法的代码（我尝试翻译代码，因此可能会有错误）

def decisionTree(Data, Target, Atribute,default):
Root = Node()
index = calc.getindexAttribute(Data,Target)
bigger = ">50K"
smaller = "<=50K"
ibigger = 0
ismaller = 0
a = ""
for i in range (1,len(Data)-1):
    if ibigger > 0 and ismaller > 0:
        break
    elif Data[i][index] == bigger:
        ibigger = ibigger + 1
    elif Data[i][index] == smaller:
        ismaller = ismaller + 1
if ismaller == len(Data) -1 :
    return smaller
elif ibigger == len(Data) -1:
    return bigger
if len(Atribute) == 1:
    return mostCommonValue(Data,Target,Atribute)
else:
    a = BestAttribute(Data,Atribute)
    Root.attribute = a
    Root.mostCommonClass = mostCommonValue(Data,Target, Atribute)
    childs = {}
    Values_A = calc.getAtributeValues(Data,a)
    for y in range (0,len(Valores_A)):
        SubData=[]
        SubData = calc.makeSubData(Data,a,Valores_A[y])
        if len(SubData) == 1:
            return Root
        else:
            childs[Valores_A[y]] = decisionTree(SubData,Target,Delete_matrix(Atribute,a),Root)
            Root.childs = childs
return Root