算法：Generate_decision_tree(samples, attribute)。由給定的訓練數據產生一棵判定樹。
輸入：訓練樣本samples，由離散值屬性表示；候選屬性的集合attribute_list。
輸出：一棵判定樹。
方法：
Generate_decision_tree(samples, attribute_list)
(1) 創建結點 N；
(2) if samples 都在同一個類C then //類標號屬性的值均爲C，其候選屬性值不考慮
(3) return N 作爲葉結點，以類C 標記；
(4) if attribut_list 爲空 then
(5) return N 作爲葉結點，標記爲 samples 中最普通的類； //類標號屬性值數量最大的那個
(6) 選擇attribute_list 中具有最高信息增益的屬性best_attribute；//找出最好的劃分屬性
(7) 標記結點 N 爲best_attribute；
(8) for each best_attribute 中的未知值a i //將樣本samples按照best_attribute進行劃分
(9) 由結點 N 長出一個條件爲 best_attribute = a i 的分枝；
(10) 設si 是samples 中best_attribute = a i 的樣本的集合；//a partition
(11) if si 爲空 then
(12) 加上一個樹葉，標記爲 samples 中最普通的類；//從樣本中找出類標號數量最多的，作爲此節點的標記
(13) else 加上一個由 Generate_decision_tree(si,attribute_list–best_attribute)返回的結點；//對數據子集si,遞歸調用，此時候選屬性已刪除best_attribute