Machine learning 为什么决策树在WEKA中不能按预期工作？

我正在阅读一本书《机器学习：开发人员和技术专业人员的实践》，用WEKA创建决策树。虽然我遵循了书中所示的相同过程，但我得到的决策树并不相同。我使用的是C4.5（J48）算法

数据（arff文件）

预期产出

我的输出

---

我做错了什么？

这是本书的问题（把答案放在这里，这样可以帮助本书的其他读者）

Book在end_rack类别中只需要一个否定案例（在作者的树形图中查找（5,1））。在书中甚至在书的网站上提供的数据中，实际上有两个负面案例（5,2）。我删除了一个负面案例，得到了与书相同的决策树

以下是已更正的数据arff文件

@relation ladygaga

@attribute placement {end_rack, cd_spec, std_rack}
@attribute prominence numeric
@attribute pricing numeric
@attribute eye_level {TRUE, FALSE}
@attribute customer_purchase {yes, no}

@data
end_rack,85,85,FALSE,yes
end_rack,80,90,TRUE,yes
cd_spec,83,86,FALSE,no
std_rack,70,96,FALSE,no
std_rack,68,80,FALSE,no
std_rack,65,70,TRUE,yes
cd_spec,64,65,TRUE,yes
end_rack,72,95,FALSE,yes
end_rack,69,70,FALSE,no
std_rack,75,80,FALSE,no
end_rack,75,70,TRUE,no
cd_spec,72,90,TRUE,no
cd_spec,81,75,FALSE,yes
std_rack,71,91,TRUE,yes

@relation ladygaga

@attribute placement {end_rack, cd_spec, std_rack}
@attribute prominence numeric
@attribute pricing numeric
@attribute eye_level {TRUE, FALSE}
@attribute customer_purchase {yes, no}

@data
end_rack,85,85,FALSE,yes
end_rack,80,90,TRUE,yes
cd_spec,83,86,FALSE,no
std_rack,70,96,FALSE,no
std_rack,68,80,FALSE,no
std_rack,65,70,TRUE,yes
cd_spec,64,65,TRUE,yes
end_rack,72,95,FALSE,yes
end_rack,69,70,FALSE,yes
std_rack,75,80,FALSE,no
end_rack,75,70,TRUE,no
cd_spec,72,90,TRUE,no
cd_spec,81,75,FALSE,yes
std_rack,71,91,TRUE,yes

正确输出

---

我认为刚出版的书的第一版总是有风险的。