基于贝叶斯推理的决策树模型

被引：16

作者：

周亚同

张太镒

卢照敢

机构：

[1] 西安交通大学电子与信息工程学院

来源：

西安交通大学学报 | 2006年 / 08期

关键词：

决策树; 贝叶斯推理; 逆跳马尔科夫链蒙特卡洛; 分类准确率; 递归分割;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

针对决策树（DT）模型缺乏概率背景这一问题,将贝叶斯推理引入DT模型,提出了一种基于贝叶斯推理的决策树（BDT）模型.在假定所含待定参量的先验与似然的前提下,借助贝叶斯推理获得参量的后验,然后运用逆跳马尔科夫链蒙特卡洛算法对后验抽样,最终求出样本属于某一类别的置信度,从而避免了武断判决.BDT模型以抽样代替拆分与剪枝操作,既直观又灵活,同时在抽样时考虑了不同的树结构与递归分割方案,使得分类准确率得以提高.仿真实验结果表明,BDT模型的平均分类准确率与DT模型相比提高了1.7%3.5%.

引用

页码：888 / 891

页数：4