團隊作業／計算練習。
以小型分類表練習人工專家規則、Gini 指數與自動化決策樹的比較。
工商管理碩士（Master of Business Administration, MBA）招生資料包含 GMAT、GPA、GMAT 數量能力百分位數與決策；8 筆已有是／否決策，3 筆決策為未知。
| GMAT | GPA | GMAT 數量能力百分位數 | 決策 |
|---|---|---|---|
| 650 | 2.75 | 35 | 否 |
| 580 | 3.50 | 70 | 否 |
| 600 | 3.50 | 75 | 是 |
| 450 | 2.95 | 80 | 否 |
| 700 | 3.25 | 90 | 是 |
| 590 | 3.50 | 80 | 是 |
| 400 | 3.85 | 45 | 否 |
| 640 | 3.50 | 75 | 是 |
| 540 | 3.00 | 60 | ? |
| 690 | 2.85 | 80 | ? |
| 490 | 4.00 | 65 | ? |
先建立人工專家規則，再用 Gini 指數建立決策樹，最後與自動化決策樹軟體的結果比較。
原書將此列為練習題，未提供官方完成決策樹或三筆未知個案答案；因此本頁不把自行推導結果標成原書答案。
同一資料可透過專家規則與演算法決策樹形成不同決策邏輯；教學重點是比較規則形成過程與可解釋性。
只使用表中 11 筆商管碩士招生資料，示範如何計算候選切分的 Gini 指數；將任何自行計算清楚標示為「依原書資料直接計算」，不要宣稱為原書結果。
問題： 人工規則與自動化決策樹不一致時怎麼辦？
參考解答： 應比較兩者的假設、切分準則與訓練資料吻合程度，而不是預設其中一方必然正確。