C4.5，ID3，CART三者间的区别联系

### 回答1：
C4.5，ID3和CART都是决策树算法。它们的区别在于它们的生成算法和树的结构。ID3使用信息增益来选择最佳属性，C4.5使用信息增益比来选择最佳属性，CART使用基尼不纯度来选择最佳属性。此外，C4.5和CART生成的树可以是多叉树，而ID3只能生成二叉树。CART生成的树可以处理连续和离散属性，C4.5只能处理离散属性，而ID3可以处理离散和连续属性。

### 回答2：
C4.5，ID3和CART都是常用的决策树算法，但在一些方面存在区别。

首先，这三种算法在选择划分属性时的度量准则不同。ID3使用信息增益作为划分准则，即选择能够使得划分后信息增益最大的属性作为划分属性。C4.5则采用信息增益比，通过对信息增益进行归一化，来避免因属性取值较多而带来的偏向问题。而CART使用基尼指数作为划分准则，即选择使划分后基尼指数最小的属性作为划分属性。

其次，这三种算法在处理连续属性上有所不同。ID3和C4.5都需要将连续属性进行离散化处理，不能直接处理连续属性。而CART则可以直接处理连续属性，它通过对连续属性进行二分来生成二叉决策树。

此外，C4.5和CART都支持处理缺失值的情况，而ID3不能处理带有缺失值的数据。

最后，这三种算法在生成决策树的过程中也稍有不同。ID3和C4.5都是从根节点开始递归地选择最佳属性划分数据集，并不断生成子节点，直到达到停止条件。而CART则是采用贪心算法，在每次划分时选择最佳属性和划分点，以生成二叉树。

总结来说，C4.5，ID3和CART在划分准则、连续属性处理、处理缺失值和构建决策树的方式上存在一些差别。选择适合的算法取决于具体的问题和数据集的特征。

### 回答3：
C4.5，ID3和CART都是基于决策树的算法，但在一些方面有一些区别和联系。

首先，C4.5和ID3是比较相似的算法，它们都是用于构建分类决策树的。它们的主要区别在于信息增益的计算方法。ID3根据信息增益来选取最佳特征进行分裂，而C4.5则是使用了信息增益比来选择最佳特征。信息增益比是信息增益除以特征的熵，可以解决ID3对于具有较多取值的特征有偏好的问题。

与此相比，CART是用于构建回归树和分类树的算法。与C4.5和ID3不同的是，CART是通过最小化基尼指数来选择最佳特征进行分裂。基尼指数衡量了选择一个随机样本的误分类概率，因此CART算法在选择特征时更加注重分类的准确度。

此外，C4.5和CART相较于ID3有一些优点。C4.5在构建决策树时可以处理连续值属性，而ID3只能处理离散值属性，这使得C4.5更加灵活。另一方面，CART可以处理多分类和回归问题，而C4.5和ID3只能处理分类问题。

总的来说，C4.5，ID3和CART三者之间的区别主要在于特征选择的方法和适用问题的不同。C4.5和ID3在构建分类决策树时相似，但C4.5更加灵活；CART则可以处理分类和回归问题，并且使用基尼指数来选择最佳特征进行分裂。选取合适的算法取决于具体的问题和数据集的特性。