针对现有决策树算法对连续性数据分类的信息丢失、效果不佳等缺点，提出一种邻域决策树（NDT）构造算法。首先，挖掘了邻域决策信息系统上的变精度邻域等价粒，并探讨了相关性质；然后基于变精度邻域等价粒构建邻域基尼指数度量，以度量邻域决策信息系统的不确定性；最后，用邻域基尼指数度量诱导出树节点的选取条件，并以变精度邻域等价粒为树分裂规则，从而构建NDT。在UCI数据集进行实验的结果表明，NDT算法的准确度比基于信息熵的决策树算法ID3、基于基尼指数的决策树算法CART、基于信息增益率的决策树（C4.5）算法和融合信息增益和基尼指数（IGGI）算法平均提高了20个百分点左右，验证了NDT算法的有效性。
