分析ID3算法和C4.5算法，并分析J48源码结构

1.ID3算法：

   是一种分治法，

算法输入：训练样本，各属性取离散值，可供归纳的候选属性集为：attribute_list。

输出：决策树

Gnerate_decision_tree

流程：

1》创建一个节点N；

2》如果该节点中所有样本均为同一类C，则

3》   返回N作为一个叶子节点并标识为C类；

4》如果attribute_list为空，则

5》 返回N作为一个叶子节点并标识该节点所含样本中类别个数最多的类别；

6》从attribute_list中选择一个信息增益最大的属性test_attribute；

7》并将节点N标记为test_attribute；

8》对于test_attribute中每一个已知取值ai,准备划分节点N所包含的样本集；

9》根据test_attribute=ai条件，从节点N产生分支，以表示该测试条件；

10》设si是test_attribute=ai条件所获得的样本集；

11》若si为空，则将相应叶节点标记为该节点所包含样本中类别个数最多的类别；

12》 否则，返回相应叶节点标识为Gnerate_decision_tree(si,attribute_list-test_attribute)返回值；

2.C4.5算法

C4.5算法是对ID3算法的改进，改进之处在于：

1》训练集的属性可以是连续值；

2》选择判别属性的方法是信息增益率；

3》后剪枝方法的处理。

3.J48源码简要分