一种多变量决策树方法研究

被引：13

作者：

梁道雷

黄国兴

金健

机构：

[1] 华东师范大学计算机系

来源：

计算机科学 | 2008年 / 01期

关键词：

多变量决策树; 粗糙集; 相对核; 加权粗糙度;

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：

单变量的决策树算法造成树的规模庞大,规则复杂,不易理解。本文结合粗糙集原理中的相对核及加权粗糙度的方法,提出了一种新的多变量决策树算法。通过实例表明,本文的多变量决策树方法产生的决策树比传统的ID3算法构造的决策树更简单,具有较好的分类效果。

引用

页码：211 / 212

页数：2

共 7 条

[1] 一种基于粗糙集构造决策树的新方法 [J].

蒋芸 ;

李战怀 ;

张强 ;

刘扬 .

计算机应用, 2004, (08) :21-23

[2] 基于知识粗糙度的多变量决策树的构建 [J].

沙慧新 ;

叶东毅 .

福州大学学报(自然科学版), 2004, (02) :138-141

[3] 基于粗糙集的多变量决策树构造方法 [J].

苗夺谦 ;

王珏 .

软件学报, 1997, (06) :26-32

[4]

Rough集理论与知识获取[M]. 西安交通大学出版社 , 王国胤编著, 2001

[5] MULTIVARIATE DECISION TREES [J].

BRODLEY, CE ;

UTGOFF, PE .

MACHINE LEARNING, 1995, 19 (01) :45-77

[6] BOOLEAN FEATURE DISCOVERY IN EMPIRICAL LEARNING [J].

PAGALLO, G ;

HAUSSLER, D .

MACHINE LEARNING, 1990, 5 (01) :71-99

[7]

Learning decision lists[J] . Ronald L. Rivest.Machine Learning . 1987 (3)

← 1 →