见 https://blog.csdn.net/Turm_Xsk/article/details/121431858

使用Java实现基于C4.5算法的决策树，实现银行贷款风险预测，包括对离散属性和连续属性的处理。适用于离散属性、连续属性共存的数据。

国外牛人在Excel下写的C4.5算法。 首页界面是introduction,有7个表，提供7个功能，分别是Userinput,Data,Tree,NodeView,Results,Rules。

针对目前空气质量预报多采用传统的数值模型现状，例如空气污染指数法，本次研究通过决策树算法以及大规模的训练数据集建立空气质量预测模型。传统的评估模型是在各种污染参数的污染分指数都计算出以后，取最大者为该区域或城市的空气污染指数固定数值区间的划分来评估空气质量。而基于决策树算法的空气质量评估模型通过采用自顶向下的递归方式对数据进行处理，把一个无序、无规则的实例集合归纳成一组树形结构表示的分类规则，得到了将所有污染参数作为评估空气质量因素的评估模型，可以有效的避免传统的空气质量预报模型的不灵活、边界值不准确的特点。同时可以根据季节和地区等外部因素构建不同的空气质量预测模型以应对外部因素的变化，从而可以构建完整，精确，现代化的空气质量智能预测系统。

基于数据挖掘的网络入侵检测系统---毕业论文 数据挖掘 C4.5算法 网络入侵检测

实现决策树C4.5算法，对数据进行训练，得到决策模型，并用以预测新数据，得到分类结果。

一、概论 C4.5主要是在ID3的基础上改进，ID3选择（属性）树节点是选择信息增益值最大的属性作为节点。而C4.5引入了新概念“信息增益率”,C4.5是选择信息增益率最大的属性作为树节点。 二、信息增益 以上公式是求信息增益率（ID3的知识点） 三、信息增益率 信息增益率是在求出信息增益值在除以。 例如下面公式为求属性为“outlook”的值： 四、C4.5的完整代码 from numpy import * from scipy import * from math import log import operator #计算给定数据的香浓熵： def calcShannonEnt(

决策树经典学习算法，C4.5算法是ID3算法的改进，加上了子树的信息，因素属性的值可以是连续量,训练例的因素属性值可以是不确定的,对已生成的决策树进行裁剪,减小生成树的规模.

关于C4.5的MATLAB实现，包含数据集在内，可以实现西瓜数据集的分类，比较简陋，大家拿来做个参考吧~

本篇文章主要介绍了Python实现决策树C4.5算法的示例，详解的介绍了决策树C4.5算法的原理和实现代码，非常具有实用价值，需要的朋友可以参考下