近年来,伴随着市场经济迅速的发展,我国个人信贷业务的发展进入全新的鼎盛时期,个人借贷在银行、金融等行业中所占的比重越来越大。作为整个社会信用的基石,个人信用以其较分散的经营类贷款、较大的面向对象、较小的借贷数额以及较低的不良贷款率等特点和优势,普遍被贷方认为是优质资产,也逐渐成为各信贷机构贷款业务的优先客户主体。在此背景下,个人信用评价的重要性可见一斑,它要求贷方对个人的基本信息、收入及负债情况信息、个人信用信息、贷款用途信息等等给予科学的评价,以确定是否对其发放贷款。这不仅直接关系到信贷机构资金使用好坏和效益高低,还有可能对社会的稳定产生影响。然而,我国针对个人信用评价体系的建设仍然处于起步阶段,因此具备很大的研究必要性和研究空间。同时随着电子科技产品的普及与计算机科学与技术的高速发展,各行各业都将迈入信息时代,无穷无尽的信息系统应用意味着大量杂乱无章的海量数据信息,虽然这些数据看似参差不齐,可经过数据挖掘技术处理后即为重要的信息和知识。因此人们迫切需要能够对数据进行除传统数据库查询统计等功能之外更高层次的分析,乃至发现数据中存在的关系和规则,获取有用的知识,用于市场分析、顾客保有、科学探索等领域,甚至可以根据现有数据对未来的发展趋势做出预测。目前在解决分类问题的各种方法中,决策树算法是运用最广泛并且效果较好的一种方法。而C4.5算法曾被评为数据挖掘十大算法之首,作为决策树算法的代表之作,它不仅拥有着广泛的使用率、优秀的能效性、还继承了大量决策树算法的优点,从而被广大数据挖掘领域的专家所广知并使用。然而C4.5算法也并非完美,存在着不足。如在决策树构造的过程中,信息增益率的计算过于复杂,同时容易出现过度拟合的种种情况,都将会导致算法的低效以及过度分支等问题。鉴于此,本文拟以提高C4.5算法运算效率和准确度、避免过度拟合为研究目的,以优化信息增益率的计算过程、连续属性离散化预处理为优化的主要方式,同时借用C++作为程序开发语言,以“个人信用评价模型”为应用背景,完成决策树的构建与实现。通过优化后的决策树评价指标体系,对个人用户的借贷行为进行综合分析预测。最后对比分析C4.5算法改进前后的运算效率和实验准确度,并总结实验结果。