決策樹算法是一種最簡單、最直接、最有效的文本分類算法。最早的決策樹算法是ID3算法，于1986年由Quinlan提出，該算法是一種基于信息熵的決策樹分類算法。由于該算法是以信息熵作為屬性選擇的標準，偏向于選擇屬性取值較多的屬性，而屬性取值較多的屬性往往分類的貢獻不大。因此，于1993年Quinlan在ID3算法的基礎(chǔ)上又提出了一種改進算法，即C4.5算法。該算法采用信息增益率作為屬性選擇的標準，繼承了ID3算法的所有優(yōu)點，克服了ID3算法中偏向于選擇屬性取值較多的屬性作為測試屬性的不足，同時還能對連續(xù)屬性與未知屬性進行處理，在剪枝方面也有很大的改進。

　　C4.5算法作為經(jīng)典的決策樹分類算法，己被廣泛的應(yīng)用到各個領(lǐng)域。但其仍然存在以下不足之處：1）在計算信息增益的過程中（包括：分類所需信息量、信息熵、分割信息量）涉及的復(fù)雜的對數(shù)運算，計算機每一次計算都需要調(diào)用庫函數(shù)，增大了生成決策樹所需的時間開銷；2）生成決策樹中分支數(shù)量過多，部分分支還能進行合并，進一步精簡生成決策樹的結(jié)構(gòu)。

　　本文針對生成決策樹分支數(shù)量過多的不足，提出了一種新的屬性取值優(yōu)化方法，并用實例分析驗證了該方法的有效性。
?