基于粗集和熵的多变量决策树的构造算法

被引：5

作者：

罗秋瑾

马锐

机构：

[1] 云南财经大学统计与数学学院

来源：

计算机应用 | 2007年 / 07期

关键词：

粗糙集; 多变量决策; 属性依赖度; 条件熵; 距离函数;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

多变量决策树是一种有效用于分类的数据挖掘方法,构造的关键是根据属性之间的相关性选择合适的属性组合作为节点。针对传统方法中用相对核进行多变量检验中属性选择存在的不足,首先对每个节点包含的属性个数加以限制,然后由重新定义的属性依赖度和基于条件熵的距离函数选择相关的属性组合作为节点,从而提出一种新的构造算法。实例说明,该算法不仅有效降低了树的高度,而且还兼顾了分类的可读性。

引用

页码：1708 / 1710

页数：3

共 5 条

[1] 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

[2] 基于Rough Set的最简决策树确定算法的研究 [J].

朱红 .

计算机工程与应用, 2003, (13) :129-131

[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]

AE1: An extension matrix approximate method for the general covering problem[J] . Jiarong Hong. International Journal of Computer & Information Sciences . 1985 (6)

← 1 →