训练集容量对决策树分类错误率的影响研究

被引：6

作者：

孙微微

刘才兴

田绪红

机构：

[1] 华南农业大学信息学院计算机科学与工程系

来源：

计算机工程与应用 | 2005年 / 10期

关键词：

可能近似正确模型; PAC; 训练集; 错误率;

D O I：

暂无

中图分类号：

TP311 [程序设计、软件工程];

学科分类号：

摘要：

数据挖掘算法必须在实际数据集上进行验证,而数据集容量是有限的,训练集比例过低会导致训练不足,训练集比例过高会导致算法评价过于乐观。针对训练集容量对评价效果的影响问题,对25个UCI数据集的不同比例训练集运用决策树算法C4.5,得出不同训练集容量对决策树分类错误率的影响关系。实验结果表明,训练集比例至少为50%时才能使分类错误率达到相对平稳。

引用

页码：159 / 161

页数：3