c4.5算法python代码

C4.5算法是一种用于分类决策树生成的算法，由Ross Quinlan提出。它是ID3算法的改进版本，处理了连续特征，并引入了信息熵的概念来度量划分数据集的质量。以下是使用Python的sklearn库实现C4.5的一个简单示例：

from sklearn.tree import DecisionTreeClassifier
from sklearn.datasets import load_iris

# 加载鸢尾花数据集
iris = load_iris()
X = iris.data
y = iris.target

# 创建C4.5决策树分类器
c45_tree = DecisionTreeClassifier(criterion='gini', splitter='best',
                                  max_depth=None)  # 参数解释：默认信息熵作为分裂标准

# 训练模型
c45_tree.fit(X, y)

# 预测新样本
new_sample = [[5.1, 3.5, 1.4, 0.2]]  # 示例鸢尾花数据
prediction = c45_tree.predict(new_sample)

print(f"预测结果：{prediction}")

在这个例子中，`DecisionTreeClassifier`类代表C4.5算法，`criterion='gini'`表示使用基尼指数（C4.5采用），`splitter='best'`表示选择最优分割属性。训练完成后，你可以用它对新的输入数据进行分类。