信息增益率是一種在機器學習和決策樹算法中使用的概念，用於評估屬性對目標變數的預測能力。信息增益率旨在改進信息增益（Information Gain）的不足，特別是處理具有大量取值的屬性時。
信息增益率(Information Gain Ratio)的計算公式為：
\(Gain\_Ratio(A) = \frac{Gain(S, A)}{IV(A)}\)
其中：
\(Gain(S, A)\) 是信息增益，表示當選擇屬性A作為劃分條件時，數據集S的不確定性減少程度。
\(IV(A)\) 是屬性A的固有值（Intrinsic Value），反映了使用屬性A進行劃分時產生的類別的不均勻性。當屬性A的取值越多，\(IV(A)\) 越大。
信息增益率通過將信息增益除以固有值來調整信息增益，從而避免了對具有大量取值的屬性的偏好。這樣，信息增益率準則更傾向於選擇那些取值較少、但提供較高信息增益的屬性，有助於生成更公平和有效的決策樹。