C4.5算法_有13个可能的候选阈值点,比如:过计算 最佳点,如图中红线所示。计算

C4.5是另一个分类决策树算法，基于ID3算法进行改进，相比于ID3算法有如下几个要点：

1. 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，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。
2. 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。
3. 对非离散数据也能处理。