基于决策树学习中的测试生成及连续属性的离散化

被引：13

作者：

陈恩红

王清毅

蔡庆生

不详

机构：

[1] 不详

[2] 中国科学技术大学计算机科学与技术系

[3] 不详

来源：

关键词：

决策树，连续型属性，多分离散化;

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：

文中介绍并分析了基于决策树学习中的测试评价标准、测试生成机制及连续型属性的离散化等方法和实现技术．通过分析表明，在离散化过程中，采用信息熵最小化启发式能带来较好的效果．与二分离散化方法相比，采用多分离散化方法能从相同的实例集中构造出更好的决策树．

引用

页码：20 / 24

页数：5