一种基于属性贡献度的决策树学习算法

被引：8

作者：

孙淮宁 ^{[1
,2
]}

胡学钢 ^{[1
]}

机构：

[1] 合肥工业大学计算机与信息学院

[2] 淮南师范学院计算机与信息工程系

来源：

合肥工业大学学报(自然科学版) | 2009年 / 32卷 / 08期

关键词：

决策树; 归纳学习; 属性贡献度;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

文章提出一种基于属性贡献度的决策树算法ICD,该算法利用信息熵理论构建基于样本类别信息分布确定的属性贡献度函数模型,从属性选优上消除了多值属性选择的偏向,将ICD算法与ID3、C4.5算法进行实验对比,数据结果表明该算法具有良好的性能。

引用

页码：1137 / 1141

页数：5

共 11 条

[1] 决策树算法的一种改进算法 [J].

屈志毅 ;

周海波 .

计算机应用, 2008, (S1) :141-143

[2] 基于属性重要度的随机决策树学习算法 [J].

胡学钢 ;

李楠 .

合肥工业大学学报(自然科学版), 2007, (06) :681-685

[3] 基于粗集的混合变量决策树构造算法研究 [J].

胡学钢 ;

张冬艳 .

合肥工业大学学报(自然科学版), 2007, (03) :257-260

[4] 基于关联度函数的决策树分类算法 [J].

韩松来 ;

张辉 ;

周华平 .

计算机应用, 2005, (11) :2655-2657

[5] 基于属性间交互信息的ID3算法 [J].

谢竞博 ;

王熙照 .

计算机工程与应用, 2004, (30) :93-94+150

[6] ID3算法的一种改进算法 [J].

曲开社 ;

成文丽 ;

王俊红 ;

不详 .

计算机工程与应用 , 2003, (25) :104-107

[7] 决策树的优化算法 [J].

刘小虎 ;

李生 .

软件学报, 1998, (10) :78-81

[8] 一种新的决策树归纳学习算法 [J].

洪家荣 ;

丁明峰 ;

李星原 ;

王丽薇 .

计算机学报, 1995, (06) :470-474

[9]

信息论与编码[M]. 电子工业出版社 , 傅祖芸, 2006

[10]

Induction of decision trees[J] . J. R. Quinlan.Machine Learning . 1986 (1)

← 1 2 →