C4.5算法与ID3算法的不同点： （1）分支指标采用增益比例 （2）数值属性的处理 （3）处理缺少属性值的训练样本 （4）使用K次迭代交叉验证，评估模型的优劣程度； （5）根据生成的决策树，可以产生一个if-then规则的集合。

计算的步骤： 1.对数据源进行预处理 2.计算每个属性的信息增益和信息增益率 3.根节点属性每一个可能的取值对应一个子集，对样本子集递归地执行以上Step2过 程，直到划分的每个子集中的观测数据在分类属性上取值都相同，生成决策树 4.根据构造的决策树提取分类规则，对新的数据集进行分类。

C4.5算法例题： 分割线--------------------------------------------------------------------------------- 分割线--------------------------------------------------------------------------------- 第一种因素：（性别） 下面的三个式子为熵： 下面1个式子为信息增益： 下面1个式子为分裂信息： 下面1个式子为信息增益率：

分割线--------------------------------------------------------------------------------- 第二种因素：（学生干部）

分割线--------------------------------------------------------------------------------- 第三种因素：（综合成绩）

分割线--------------------------------------------------------------------------------- 第四种因素：（毕业论文）

分割线---------------------------------------------------------------------------------

对比四种因素的信息增益率，选择最大的作为根节点，这里最大的是（学生干部），之后就是递归解决接下来的节点。