概念
C4.5算法继承了ID3算法的优点，并在以下几方面对ID3算法进行了改进：
-
用信息增益率来选择属性，克服了用信息增益选择属性时偏向选择取值多的属性的不足；（针对ID3的缺点1）
-
在树构造过程中进行剪枝； （针对ID3的缺点2，k阶交叉验证）
-
能够完成对连续属性的离散化处理；（针对ID3的缺点3，引入阈值）
-
能够对不完整数据进行处理。（针对ID3的缺点4，平均值代替，概率法代替）
缺点：在构造树的过程中，需要对数据集进行多次的顺序扫描和排序，因而导致算法的低效。此外，C4.5只适合于能够驻留于内存的数据集，当训练集大得无法在内存容纳时程序无法运行。
另外，无论是ID3还是C4.5最好在小数据集上使用，决策树分类一般只适用于小数据。当属性取值很多时最好选择C4.5算法，ID3得出的效果会非常差。