一种基于离散度的决策树改进算法

被引：3

作者：

郭玉滨

机构：

[1] 菏泽学院计算机与信息工程学系

来源：

山东师范大学学报(自然科学版) | 2006年 / 03期

关键词：

决策树; 反例; 子集; ID; 判定树; 决策方法; 反实例; 改进算法; 决策树方法; 离散度;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

在数据挖掘中,决策树方法是一个重点研究方向.很多学者从不同角度对ID3算法进行改进和优化,提高了分类的效率和速度.本文从离散度的角度,对ID3算法进行改进.实验表明,利用改进后的算法挖掘分类规则,不仅提高了分类的正确率,而且非常高效.

引用

页码：129 / 131

页数：3

共 8 条

[1] 一类加权连续属性的多变量决策树构造方法 [J].

黄定轩 ;

武振业 .

系统工程理论方法应用, 2005, (01) :80-83+96

[2] 基于SPRINT方法的并行决策树分类研究 [J].

魏红宁 .

计算机应用, 2005, (01) :39-41

[3] ID3算法的一种改进算法 [J].

曲开社 ;

成文丽 ;

王俊红 ;

不详 .

计算机工程与应用 , 2003, (25) :104-107

[4] 决策树的优化算法 [J].

刘小虎 ;

李生 .

软件学报, 1998, (10) :78-81

[5] 一种新的决策树归纳学习算法 [J].

洪家荣 ;

丁明峰 ;

李星原 ;

王丽薇 .

计算机学报, 1995, (06) :470-474

[6]

数据仓库原理与应用[M]. - 电子工业出版社 , 邓苏等编著, 2002

[7]

模式识别[M]. - 清华大学出版社 , 边肇祺编著, 1988

[8]

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

← 1 →