伴随着计算机技术在电力企业的广泛应用,电力部门已经积累了大量的运行数据和非运行数据,这些数据记录了供电企业多年的运行状况,电力有关负责人员急需对这些历史数据进行深层次的分析,以获得有价值的信息,为决策人员做出合理的决策提供依据,最终提高电网运行的可靠性；数据挖掘就是一个利用各种数据挖掘算法在海量数据中发现有价值的信息的过程,数据挖掘中分类数据挖掘是应用最多的任务,其中决策树归纳以其计算量相对较小、可以显示重要的决策属性、易于提取显式规则和较高的分类准确率等优点而得到广泛的应用。本文主要对决策树中C4.5算法进行分析并针对存在的某缺陷进行相应的改进。首先介绍了决策树算法的基本思想和算法框架,接着阐述了经典算法ID3和C4.5算法,然后对C4.5算法的属性选择标准进行改进,其中改进的具体思想是利用泰勒公式和麦克劳林公式以及等价无穷小的理论与信息熵相结合,改变属性选择的测试标准,以减少决策树的生成时间,节省该算法的计算成本,并将其扩展到多种类别的情况,最后用UCI中经典实例进行两种算法的对比实验,结果表明改进的算法减小了算法的计算成本,提高了决策树的分类效率表现出良好的分类性能。为了实现基于改进C4.5算法的电力市场营销分析,设计了电力市场营销决策系统,阐述了系统的实现过程及结果展现。在使用决策树算法分类之前,对数据库中的数据进行了数据预处理工作,处理了空缺数据、将连续值属性离散化。在具体电力营销分析过程中,对客户分类和售电市场进行挖掘,产生决策树,生成分类规则,首先对用电客户进行VIP分类,然后找出影响售电市场的主要因素,从而对电力营销市场进行多层次、多角度的分析,按不同的需求提取并发现有价值的信息,揭示电力市场和营销的内在规律,为供电公司管理与决策提供依据。