决策树中ID3算法与C4.5算法分析与比较

被引：21

作者：

李会

胡笑梅

机构：

[1] 安徽财经大学信息工程学院

来源：

关键词：

数据挖掘; 决策树; ID3算法; C4.5算法;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TP311.13 [];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 1201 ;

摘要：

论述了决策树表示方法及ID3、C4.5决策树学习算法,特别对决策属性的选取法则进行了说明。通过实例解析ID3、C4.5算法实现,结果表明C4.5算法在决策树分类效率和直观性都得到了提高。

引用

页码：129 / 132+163 +163

页数：5

共 7 条

[1] 基于改进ID3算法的轨迹化决策研究 [J].

丁华 ;

张少中 ;

王秀坤 .

[2] 应用C4.5算法构造客户分类决策树的方法 [J].

王晓国 ;

黄韶坤 ;

朱炜 ;

李启炎 .

[3] 决策树的优化算法 [J].

刘小虎 ;

李生 .

[4]

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

[5]

知识发现.[M].史忠植著;.清华大学出版社.2002,

[6]

数据挖掘技术.[M].陈文伟等著;.北京工业大学出版社.2002,

[7]

数据仓库技术指南.[M].(美)LouAgosta著;潇湘工作室译;.人民邮电出版社.2000,