随着科技的发展,大数据时代的到来,数据挖掘成为从数据流中获得有价值的大量的信息和知识的有效手段。为了能更高效地获得需要的信息,本文先对最常用的C4.5算法进行优化,改进对数据集的不可靠性带来的误差,然后将云计算和数据挖掘相结合,在Hadoop平台上赋予IP-C4.5算法新的意义,使其具有处理海量数据的能力,最后将改进的算法应用于某联通公司的客户流失问题的分析中。为了使对于比较嘈杂的数据集能有较高的建模正确率,在原来C4.5算法以信息增益熵作为选择度量的基础上,结合不确定概率理论,引入狄利克雷模型,得到新的基于不确定概率的信息增益率作为新的选择度量。然后,在理论研究的基础上引入UCI数据集,将优化算法和已有的相关改进算法作对比实验,得到改进算法对分类和预测具有更高的正确率和更短的时间性。研究了Hadoop平台的工作原理和并行化的Map Reduce编程框架,了解云计算技术。并且在串行优化的基础上,对数据集在计算属性选择度量上进行纵向划分,结合C4.5的传统算法模型,用新的形式对算法进行并行化改进实现。引用部分UCI数据集进行实验分析,得到并行化之后的算法在处理海量的数据时确实更高效,而且分类正确率得到了保证。针对改进之后的算法应用于分析某联通公司的客户流失问题,在海量的客户数据之中需要的信息和规则,更高效地获得有用的信息,便于企业对客户的分类以及对于客户流失的预测,便于企业对客户流失问题建立预警机制和为挽留住顾客寻找决策的依据。