改进的C4.5算法在期货数据挖掘中的研究

被引：5

作者：

陈磊

何国辉

机构：

[1] 五邑大学计算机学院

来源：

计算机工程与应用 | 2017年 / 11期

基金：

广东省自然科学基金;

关键词：

C4.5算法; 决策树; 期货预测; 数据挖掘;

D O I：

暂无

中图分类号：

F724.5 [期货贸易]; TP311.13 [];

学科分类号：

020205 ; 1202 ; 120202 ; 0202 ; 1201 ;

摘要：

在利用现有C4.5算法构建期货预测决策树时,往往出现预测准确率低的弊端,导致预测模型很难使用,为此提出了一种面向期货数据的C4.5-K算法。该算法的主要思想是通过在C4.5算法中引进新的参数K,调整属性度量标准信息增益率的取值范围,进而构建决策树预测模型进行预测。通过实验表明,该改进算法能有效提高期货预测能力。

引用

页码：161 / 166

页数：6

共 9 条

[1] 决策树C4.5算法的优化与应用 [J].

苗煜飞 ;

张霄宏 .

计算机工程与应用, 2015, 51 (13) :255-258+270

[2] 基于分类规则的C4.5决策树改进算法 [J].

李孝伟 ;

陈福才 ;

李邵梅 .

计算机工程与设计, 2013, 34 (12) :4321-4325+4330

[3] 决策树算法及其核心技术 [J].

杨学兵 ;

张俊 .

计算机技术与发展, 2007, (01) :43-45

[4] 基于决策树的数据流挖掘算法的研究 [J].

孙超利 .

太原科技大学学报, 2006, (04) :268-272

[5]

基于Hadoop的海量期货数据的分布式存储和算法分析[D]. 李勇君.天津大学. 2012

[6]

数据挖掘[M]. 机械工业出版社 , (新西兰) 威滕 (Witten, 2014

[7]

数据挖掘[M]. 清华大学出版社 , (美)MehmedKantardzic著, 2003

[8]

A discretization algorithm based on Class-Attribute Contingency Coefficient[J] . Cheng-Jung Tsai,Chien-I. Lee,Wei-Pang Yang.Information Sciences . 2007 (3)

[9]

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

← 1 →