随着信息技术的发展,数据挖掘技术得到了广泛的应用。分类问题是数据挖掘中的重要问题,分类算法是数据挖掘中的一类常用方法,本文对决策树分类算法进行研究,主要内容如下:(1)通过对几种典型的决策树算法的分析和比较,总结各个算法的特点,建立了一种改进的决策树分类算法。该算法对于那些不容易被区分的属性,计算其决策支持度,以新的理论方法作为属性选择的依据,重新定义算法过程,从而建立了有效的决策树。(2)利用UCI数据库的数据集,将本文建立的决策树分类算法与ID3算法进行实验对比,得到了较好的效果。同时,为了避免选择取值较多的属性作为测试属性的问题,本文还引入了兴趣度α,有效的避免了多值偏向性问题。(3)采集了西安市部分学生的资料,以其所在年级、家庭收入、是否是毕业班及学习成绩为条件属性,以是否报课外辅导班为决策属性,利用本文建立的决策树分类算法建模进行实证研究,得到了较好的分类结果。