基于属性重要度的随机决策树学习算法

被引：5

作者：

胡学钢

李楠

机构：

[1] 合肥工业大学计算机与信息学院

来源：

基金：

安徽省自然科学基金;

关键词：

数据挖掘; 分类; 随机决策树; 属性重要度;

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：

文章提出一种基于属性重要度的随机决策树构造算法ASRDT,该算法利用粗糙集理论计算每个属性的属性重要度,提升重要属性的影响因子,使得建树过程中随机选择属性时,不同属性之间的区分度得以体现,从而显著提高了算法的抗干扰能力,使ASRST在保持原有RDT算法优点的基础上,更具有良好的分类准确率及稳定性。

引用

页码：681 / 685

页数：5