数据挖掘在众多领域中都发挥着不可替代的作用,一直是各国学者研究的热点。分类是数据挖掘的一种重要的手段。I D 3算法是提出最早,最经典的一种决策树分类方法。I D3在选择分类属性时,依赖于信息熵的计算。因此,经过ID 3算法分类后,取值较多的属性将会被选为决策树的分类节点。很多时候,这种分类情况是不符合实际的。另外, ID 3算法的计算过程含有过多的对数计算,比较复杂,而且不能够处理具有多种类别属性值的数据集。针对ID 3的这三种不足,本文对ID3进行了改进,首次提出了一种新的选择分类属性选择方法,基于麦克劳林—优先选取值的ID3算法( ID 3 based on Maclaurin and Priority , MPID 3)。本文利用换底公式log 2γ= lnγ/ ln 2和等价无穷小代换ln(1 + x )≈x将ID 3算法中的对数计算进行了简化。由于简化过程会引起误差,本文通过选取合适的常数ζ和简化后的ID 3算法计算公式相乘来补偿误差。针对ID 3算法的取值偏向问题,本文引入了“分类属性优先选取值”进行了改进。本文对MPID 3的性能给出了严格的理论证明。最后,通过实验证明了MPID 3比经典的ID 3计算方法及现有的两种计算方法在计算时间和分类精确度方面具有优势。另外,针对样本集中某一确定属性值的记录集合为空的情况,本文给出了自己的修改方案。