决策树剪枝方法的比较

被引：40

作者：

魏红宁

机构：

[1] 西南交通大学校长办公室四川成都

来源：

西南交通大学学报 | 2005年 / 01期

关键词：

数据挖掘; 决策树; 事后剪枝; PEP; MEP; REP; CCP;

D O I：

暂无

中图分类号：

TP311 [程序设计、软件工程];

学科分类号：

081202 ; 0835 ;

摘要：

为在决策树剪枝中正确选择剪枝方法,基于理论分析和算例详细地比较了当前主要的4种剪枝方法的计算复杂性、剪枝方式、误差估计和理论基础.与PEP相比,MEP产生的树精度较小且树较大;REP是最简单的剪枝方法之一,但需要独立剪枝集;在同样精度情况下,CCP比REP产生的树小.如果训练数据集丰富,可以选择REP,如果训练数据集较少且剪枝精度要求较高,则可以选用PEP.

引用

页码：44 / 48

页数：5

共 7 条

[1]

The effects of training set sizes on decision tree. Oates T,Jensen D. Proc of the 14th Int l Conf on Machine Learning . 1997

[2]

Simplifying decision trees: a survey. Breslow L A,Aha D W. The Knowledge Engineering Review . 1997

[3]

Choosing the best pruned decision tree: a matter of bias. Malerba D,Semeraro G,Esposito F. Proc 5th Italian Workshop on Machine Learning . 1994

[4]

On estimating probabilities in tree pruning. Cestnik B,Bratko I. Proc of European Working Sessions on Learning . 1991

[5]

An analysis of reduced error pruning. Elomaa T,Kaariainen M. Journal of Artificial Organs . 2001

[6]

Simplifying decision trees. Quinlan J R. International Journal of Man Machine Studies . 1987

[7]

Analysis of a complexity based pruning scheme for classification trees. Nobel A. IEEE Transactions on Information Theory . 2002

← 1 →