matlab c4.5算法,C4.5算法详解（至今见过写的最好的算法详解）

文章来源：http://blog.csdn.net/xuxurui007/article/details/18045943

C4.5是机器学习算法中的另一个分类决策树算法，它是基于ID3算法进行改进后的一种重要算法，相比于ID3算法，改进有如下几个要点：

用信息增益率来选择属性。ID3选择属性用的是子树的信息增益，这里可以用很多方法来定义信息，ID3使用的是熵(entropy， 熵是一种不纯度度量准则)，也就是熵的变化值，而C4.5用的是信息增益率。

在决策树构造过程中进行剪枝，因为某些具有很少元素的结点可能会使构造的决策树过适应(Overfitting)，如果不考虑这些结点可能会更好。

对非离散数据也能处理。

能够对不完整数据进行处理。

首先，说明一下如何计算信息增益率。

熟悉了ID3算法后，已经知道如何计算信息增益，计算公式如下所示(来自Wikipedia)：

或者，用另一个更加直观容易理解的公式计算：

按照类标签对训练数据集D的属性集A进行划分，得到信息熵：