粗糙集在决策树生成中的应用

被引：26

作者：

赵卫东

盛昭瀚

何建敏

机构：

[1] 东南大学经济管理学院!南京

来源：

东南大学学报(自然科学版) | 2000年 / 04期

关键词：

粗糙集; 决策树; 优化;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

决策树是归纳学习的重要形式 ,建造高质量的决策树的关键是选择合适的属性 .本文针对ID3算法对属性间的相依性强调不够等问题 ,利用粗糙集理论 ,提出一种新的启发式函数———分辨率构造决策树 .分辨率本质上是相关属性的组合 ,但不是简单的属性合取 .它不仅考虑了属性之间的依赖性 ,还兼顾了分类的种数 .大量实例表明 ,本文的方法明显优于ID3算法 .

引用

页码：132 / 137

页数：6

共 6 条

[1] 决策树的优化算法 [J].

刘小虎 ;

李生 .

软件学报, 1998, (10) :78-81

[2] 基于粗糙集的多变量决策树构造方法 [J].

苗夺谦 ;

王珏 .

软件学报, 1997, (06) :26-32

[3] MULTIVARIATE DECISION TREES [J].

BRODLEY, CE ;

UTGOFF, PE .

MACHINE LEARNING, 1995, 19 (01) :45-77

[4] BOOLEAN FEATURE DISCOVERY IN EMPIRICAL LEARNING [J].

PAGALLO, G ;

HAUSSLER, D .

MACHINE LEARNING, 1990, 5 (01) :71-99

[5]

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

[6]

AE1: An extension matrix approximate method for the general covering problem[J] . Jiarong Hong.International Journal of Computer & Information Sciences . 1985 (6)

← 1 →