數據挖掘十大經典算法系列，點擊鏈接直接跳轉：

• 數據挖掘簡介及十大經典算法（大綱索引）
• 1. 數據挖掘十大經典算法之——C4.5 算法
• 2. 數據挖掘十大經典算法之——K-Means 算法
• 3. 數據挖掘十大經典算法之——SVM 算法
• 4. 數據挖掘十大經典算法之——Apriori 算法
• 5. 數據挖掘十大經典算法之——EM 算法
• 6. 數據挖掘十大經典算法之——PageRank 算法
• 7 數據挖掘十大經典算法之——AdaBoost 算法
• 8. 數據挖掘十大經典算法之——KNN 算法
• 9. 數據挖掘十大經典算法之——Naive Bayes 算法
• 10. 數據挖掘十大經典算法之——CART 算法

簡介

決策樹 ：采用自頂向下的遞歸方式，把一組無序的數據整理成類似于流程圖的樹結構。每個枝節點表示一個屬性，每個分枝代表屬性的一種選擇，每個葉節點存放選擇之后對應的結果（類標號）。一旦建立好了決策樹，對于一個未給定類標號的樣本元組，其跟蹤一條由根節點到葉節點的路徑，就可以得到一條對應的合取規則。（好理解嗎，不好理解就上圖！）

決策樹的優勢在于不需要任何領域知識或參數設置，適合于探測性的知識發現，故而常用于解決機器學習和數據挖掘中的統計分類問題，簡單講，它的目標就是將具有p維特征的n個樣本分到c個類別中去。

常見的決策樹算法有ID3、C4.5、CART。ID3使用信息熵的概念來做特征選擇，然后通過學習數據來建立決策樹。C4.5算法是對ID3算法的一個擴展，使用信息增益率來選擇屬性。

原理

步驟

特性

1. 優點

• 1、直觀易懂
• 2、分類效率較高
• 3、可以處理非離散數據
• 4、可以處理不完整數據
• 5、通過剪枝調整樹模型

2. 缺點

• 1、不適合處理大量數據。在構造樹的過程中，需要對數據集進行多次順序掃描和排序，因而導致算法的低效。
• 2、對分類敏感

案例

代碼

學術

• 【算法調優】數據挖掘中改進的C4.5決策樹分類算法

應用

憑借其獨特的特點及突出的優勢，C4.5算法已經在金融、醫療等行業得到了成功的應用，在其他多領域也被廣泛接受、研究應用。

• 【金融】決策樹C4.5算法在銀行信貸業務工作中的應用研究
• 【教育】決策樹C4.5算法在學生成績評估中的應用研究
• 【醫療】基于決策樹分類C4.5算法對乳腺腫塊計算機輔助診斷的應用研究

參考資料

總結

以上是生活随笔為你收集整理的数据挖掘十大经典算法之——C4.5 算法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。