数据挖掘注重学习和实践中的理论素养的培养,同样也注重在实际中的应用。数据分类是数据挖掘的一个重要组成部分,而其中的决策树算法是数据分类方法中的一种主要方法。目前,虽然已有一些新的改进方法甚至新的划分方法提出,但是这些方法都有其特定的条件与限制,没能在根本上打破ID3决策树算法的基础理论格局。基于这一背景,如何更好的对ID3决策树算法进行分析与改进依然是一个值得去仔细学习和研究的问题。本文以国家外汇管理局甘肃省分局的实际生产数据为基础,从分析ID3决策树算法并解析其优缺点入手,引入属性样本结构相似度概念,构建了样本结构相似度模型,并以该模型和属性的信息增益共同作为决策树内部节点的选择标准。改进后形成的SS_ID3决策树算法对原始ID3决策树算法的多值偏向问题进行了修正,本文对改进前后的算法进行了理论和实验验证。在理论分析和实验验证的基础上,通过对比分析能够确定,改进的SS_ID3决策树算法着眼于决策树非叶节点选择标准的优化,所使用的属性结构相似度模型干预的决策树算法,继承了原始ID3决策树算法的优点,并在多值偏向性的修正、决策树的大小控制和对分类及预测性能几方面取得了有意义的改进。本文最后在实际数据的基础上对原始ID3算法和改进的SS_ID3决策树算法的多值偏向问题和决策树的生成分析进行了理论和实验的验证。