ID3算法的改进和简化

被引：34

作者：

朱颢东 ^{[1
,2
,3
]}

机构：

[1] 郑州轻工业学院计算机与通信工程学院

[2] 中国科学院成都计算机应用研究所

[3] 中国科学院研究生院

来源：

上海交通大学学报 | 2010年 / 44卷 / 07期

关键词：

决策树; ID3算法; 属性重要性; 信息增益; 凸函数;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

080201 [机械制造及其自动化];

摘要：

针对ID3算法倾向于选择取值较多的属性的缺点,引进属性重要性来改进ID3算法,并根据改进的ID3算法中信息增益的计算特点,利用凸函数的性质来简化该算法.实验表明,优化的ID3算法与原ID3算法相比,在构造决策树时具有较高的准确率和更快的计算速度,并且构造的决策树还具有较少的平均叶子数.

引用

页码：883 / 886+891 +891

页数：5

共 10 条

[1]

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

[2]

决策树分类ID3算法研究 [J].

张桂杰 ;

王帅 .

吉林师范大学学报(自然科学版), 2008, (03) :135-137

[3]

基于属性值的ID3算法改进 [J].

孙爱东 ;

朱梅阶 ;

涂淑琴 .

计算机工程与设计, 2008, (12) :3011-3012+3033

[4]

决策树算法的优化与比较 [J].

鲁为 ;

王枞 .

计算机工程, 2007, (16) :189-190

[5]

Rough集中属性分类贡献能力综合测度研究 [J].

乔梅 ;

韩文秀 .

系统工程学报, 2006, (05) :508-514

[6]

基于信息论的决策树算法探讨 [J].

张彦 ;

刘暾东 ;

李茂青 .

自动化技术与应用, 2006, (01) :4-7

[7]

一种新型决策树属性选择标准 [J].

倪春鹏 ;

王正欧 .

武汉科技大学学报(自然科学版), 2004, (04) :437-440

[8]

决策树算法的研究及优化 [J].

王静红 ;

王熙照 ;

邵艳华 ;

王伍伶 .

微机发展, 2004, (09) :30-32

[9]

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

[10]

决策树的优化算法 [J].

刘小虎 ;

李生 .

软件学报, 1998, (10)

← 1 →