C4.5在VFDT中的当前实现（http://www.cs.washington.edu/dm/vfml/vfdt.html）或者其他任何实现都使用C4.5格式的文件来提供构建决策树的输入。根据这一格式，属性可以有以下几种形式：

连续 如果属性具有连续值。

离散 单词“离散”后面跟随一个整数，表示属性可以取的值的数量。

标识符列表 这是一个离散属性，其值被枚举（这是处理离散属性的首选方法）。标识符应以逗号分隔。

忽略 表示该属性应被忽略 – 它不会被使用。

有谁知道如何指定其完整可能值集太大而无法列出的离散值属性吗？

例如，“IP地址”属性可以有Math.Pow(255,4)个可能的离散值；“查询字符串”属性可以有无限数量的可能值…等等。

C4.5算法能否处理属性具有例如100,000个不同的离散值的情况，或者在确切界限未知，但仅知道一个近似值的情况下？

谢谢。

回答：

通常的选择是枚举训练集中出现的所有离散特征的值。由于算法永远无法为训练期间未见过的值收集足够的统计数据，因此无论你如何实现，这些值都会被忽略。

请注意，无论如何收集此类特征的统计数据都是相当困难的，因此你可能需要考虑不同的表示方法。特别是，多词文本字符串可以被标记化并作为词袋处理。