IBLE(Information Based Learning of Examples)方法是基于信息论的示例学习方法，利用信息论中信道容量的概念作为对实体中选择重要特征的度量。信道容量是一个不依赖于训练集中正，反例的特征取值的选择量。这样，信道容量克服了互信息依赖正，反比例的缺点。BILE选择一组重要特征建立规则，作为决策树的节点。这样，用多个特征组合成规则的节点来鉴别实例，能够有效地正确判别。

IBLE方法从训练集归纳出一棵决策规则树，树中每个节点都由多个特征组成。特征的选取是通过计算各特征信道容量来进行的。各特征的正比例标准由译码函数决定。节点中判别正，反例的阈值由实例中权值变化的规律来确定。

此算法由四部分组成：预处理，建决策树算法，建规则算法和类别判定算法。IBLE的规则与专家知识在内容上有较高的一致性，用IBLE获取的知识建立的专家系统对实例的判别提供了良好的条件。