伴随着海量数据的不断涌现,“数据充沛,却信息匮乏”的矛盾日益突出。数据挖掘为我们从海量数据中提取或挖掘有用信息提供了有效的技术手段,其中作为数据挖掘重要方法的决策树分类挖掘被广泛应用和研究。作为决策树分类中的经典算法,ID3算法是Quinlan在1986年提出的,其选择具有最大信息增益值的属性作为分裂属性,从而使分裂后的系统具有的信息熵最小,并使所构造决策树的结构更简单,进而提高分类算法的运行效率和分类准确率。针对ID3算法在用信息增益作为分裂属性选择的标准时存在多值偏向的问题,即偏向于取值较多的属性,本文提出了一种基于影响因子的ID3改进算法。该算法通过引入影响因子的概念,在计算信息增益时考虑属性及其属性值对类标记的影响因子,选择改进后的信息增益作为划分属性的选择标准。由于取值较多的属性的影响因子在较高概率上取值较小,从而在一定程度上克服了 ID3算法的多值偏向问题。同时,为了减小训练数据集中噪声或离群点对决策树构造过程的影响,改进后的算法通过引入误分类比的概念,在计算过程中采用基于误分类比的先剪枝策略来去掉由于噪声或离群点而产生的分支,从而提高对未知样本分类的准确率。实验表明,改进后的算法在一定程度上克服了多值偏向问题,虽然计算量有所增加,但其所生成的决策树结构和分类的准确率均优于ID3。