随着信息技术高速发展，获取数据的手段和途径越来越多样化，就出现了能够从大量数据中提取出隐藏有用的知识规则的数据挖掘技术。而决策树分类算法是其中最为通用的一种，由于它基本原理简单、具有较快的计算速度、挖掘结果容易理解，所以被广泛应用于各种领域。同时随着中国高校学生数量的迅速增长，与学生相关的数据量也大大增加。目前关于学生评价的管理大多数是德智体的简单录入计算，这种管理方式需要大量的人力物力，且只能进行基本的查询、统计功能，数据中隐藏的关系和规则无法发现。学生评价作为人才培养的一个重要方面，运用数据挖掘对评价结果进行预测，发现隐藏的知识，为学生培养提供决策支持就变的十分必要。在这样的背景下，本文主要对改进C4.5决策树算法、实现学生评价系统及决策树算法在系统中的应用进行了研究，主要研究内容可以归纳如下：首先，通过对比分析，选取了C4.5算法作为本文决策树算法，并针对C4.5算法的优缺点和学生评价系统的特点，在以下两方面对算法进行改进：一是简化公式，提高算法的执行效率，二是加入平衡度系数，克服现实中某些用户关注的评价指标离根结点距离远的弊端。最后通过实验对比，得出改进算法的运算效率得到了提高和平衡度系数的有效性。其次，确定学生评价的各项指标，并采用层次分析法确定指标权重，制定了一套切实可行的学生评价体系。并依照此体系开发了高校学生评价系统，为客观、科学的评价学生的素质、能力提供了有效的工具。最后，介绍了改进的C4.5算法在学生评价系统中的应用，以真实的学生评价数据为基础，确定数据挖掘的对象和目标、数据的收集和预处理、用改进的C4.5算法构造决策树、生成规则知识。通过对决策树的分析，可以了解到影响学生评价结果的重要因素和各项指标之间的关系，从而指导决策者适时调整管理手段，以达到全面提升学生各方面能力素质的目的。