决策树几种分类算法的分析比较

徐梦茹 王学明

摘要：对数据的处理一直是现代科技一直在力争攻克的难关。现代社会的数据量每天都在急速增长，那么面临的难关也就会越来越多，例如，如何从海量数据中获取有用的数据，进而将有用的数据转化为“知识”。本文将首先对数据挖掘中决策树分类算法中的ID3算法、C4.5算法、CART算法进行详细分析，然后总结出各个算法的优缺点，并提出每种算法应该应用于何种情况之下。

关键词：决策树分类算法；ID3算法；C4.5算法；CART算法

中图分类号：TP31 文献标识码：A 文章编号：1009-3044（2018）20-0193-03

随着现代科技的发展，数据已经成为人们生活中必不可少的元素之一，几乎没有人的生活是可以离开数据的，大到宇宙星体间的关联，小到超市商品的信息，可以说生活处处是数据。每人每天都会产生大量的数据，国际著名的数据公司IDC报告称，2013年全球产生的数据量已达4.4ZB，且将以每两年翻一番的速度增长，到2020年，全球数据量将高达44ZB。[1]由此可知全球每天产生的数据量是极其庞大的，各领域的学者都希望能充分利用这些数据，通过分析，获得大量有用的信息。然而实际上，有用的数据是很少的，要从这些数据中发现有用的信息犹如大海捞针，更不用说再寻找它们之间的联系，因而需要一种能够在海量数据中快速找出有用信息的技术，并对这些信息之间的关系加以分析，从而发掘出对人们生产和生活有用的“知识”。由此产生的一项技术就是数据挖掘技术。

数据挖掘是从大量数据中发现有用知识的过程，是一种专业技术，也是一种分析数据的手段，用于发现海量数据所隐藏的各种规律。……