信息增益率是一種在決策樹分類中使用的概念，用於評估特徵選擇的標準。
信息增益率可以理解為特徵A對訓練數據集D的信息增益g(D,A)與訓練數據集D關於特徵A的值的熵HA(D)之比。具體來說，信息增益（Information Gain, IG）是指從一個未分類集合到根據某特徵劃分後的兩個已分類集合之間信息不確定性的減少。而信息增益率則是相對於特徵本身固有信息量大小而言的信息增益。
信息增益率的計算公式為：信息增益率=信息增益/IV(a)，其中IV(a)表示屬性a的固有值，這個值隨著分成的類別數越大而越大。使用信息增益率作為特徵選擇的標準，可以避免信息增益偏向於取值較多的特徵的問題。
總的來說，信息增益率是一種有效的特徵選擇方法，它不僅考慮了特徵的信息增益，還考慮了獲取信息所付出的代價，即特徵的固有值。