传统决策树模型 c4.5算法的基本思想：

C4.5算法既可以处理离散型描述属性，也可以处理连续型描述属性。在选择某节点上的分支属性时，对于离散型描述属性，C4.5算法的处理方法与ID3相同，按照该属性本身的取值个数进行计算；对于某个连续性描述属性Ac，假设在某个节点上的数据集的样本数量为total，C4.5算法将做以下处理：

将该节点上的所有数据样本按照连续型描述的属性的具体数值，由小到大进行排序，得到属性值的取值序列为{A1c，A2c，……Atotalc}。

在取值序列生成total-1个分割点。第i（0<i<total）个分割点的取值设置为Vi=（Aic+A(i+1)c）/2，它可以将该节点上的数据集划分为两个子集。

从total-1个分割点中选择最佳分割点。对于每个分割点划分数据集的方式，C4.5算法计算它的信息增益比，并且从中选择信息增益比最大的分割点来划分数据集。