数据挖掘十大算法（一）：决策树分类C4.5算法

一、决策树分类的思想

如下图所示，为一个待训练的数据集/训练集，表示一个人具备年龄、收入、是否学生、信誉这4个属性，待训练的目标是这个人是否购买计算机。其中年龄、收入、是否学生、信誉被称作描述属性，是否购买计算机称作类别属性，即分为什么类别。

为了理解什么叫决策树，我们直接跳到结果（利用上述数据集，得到的决策树），决策树如下图：

这个决策树的含义，类似于一个程序判断框图，输入一个人的属性值4元组：（年龄，收入，是否学生，信誉），就可以判断这个人是否购买电脑。例如：

（>40，高，否，中）-------先根据年龄，进入>40那棵子树，然后判断信誉：“中”，因此预测结果：这个人会购买电脑。

（<=30，中，是，中）-----先根据年龄，既进入<=30那棵子树，然后判断是否学生：“是”，因此预测：这个人会购买电脑。

（30~40，中，否，优）----根据年龄，进入30~4