近几十年来,随着计算机硬件和软件的迅速发展,尤其是Internet技术的快速进步,人们收集到的数据以令人吃惊的速度日益增加,数据挖掘已经成为研究的热点;尤其是对于其中的分类问题,由于其使用的广泛性,现已引起了越来越多的关注。本文的工作重点是关于分类算法的一些工作,主要分为三个部分:提出分类模型应用方法,实现模型应用的可视化,改进ID3算法。(1)分类模型应用方法:分类分析的目标是通过对数据的归纳和总结来实现对新未知数据的预测。但是,在预测新数据的过程中,人们可能会遇到规则难以理解,或者规则繁杂不好应用等一些困难。针对这种情况,本文提出了分类模型应用方法体系,并在MinerOnWeb系统中设计和实现了这一模块工作。在MinerOnWeb系统中,用户即使对规则不理解也可以利用模型应用模块对新数据预测。模型应用方法体系包含四个过程:从分类结果中提取模型,存储模型,模型比较功能,模型应用。(2)模型应用的可视化:为了使用户容易理解模型结构和直观地观察模型应用结果,本文在模型应用阶段引入了可视化技术,并在MinerOnWeb系统中设计和实现了模型可视化以及模型结果可视化。(3)ID3算法的改进:ID3算法是决策树算法中影响最大的算法之一。它以信息增益为标准选择决策树的测试属性。这种算法在选择合适的测试属性时,倾向于选择取值较多的属性,而在实际应用中,取值较多的属性未必是重要的。针对此算法的不足,本文提出了一种对增益修正的ID3算法,为改善ID3的多值偏向问题提供了一种有效途径,并在MinerOnWeb系统中得以实现。通过理论分析和实验证明,这种算法能较好地解决多值倾向的问题。