平均1-依赖决策树集成算法

被引：13

作者：

周传华 ^{[1
,2
]}

王清 ^{[1
,3
]}

吴科主 ^{[1
]}

赵保华 ^{[2
]}

机构：

[1] 安徽工业大学管理科学与工程学院

[2] 中国科学技术大学计算机科学与技术学院

[3] 复旦大学计算机科学技术学院

来源：

电子学报 | 2010年 / 38卷 / 02期

关键词：

集成学习; 多任务学习; 决策树学习算法; 平均1-依赖贝叶斯分类器;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

140502 [人工智能];

摘要：

基于平均1-依赖贝叶斯分类器(AODE)算法的思想,提出了平均1-依赖决策树集成算法(AODT),该算法通过使用每个输入属性和类别属性共同建立集成学习中的个体决策树分类器.同时,我们从多任务学习的角度探讨了AODE和AODT算法的工作原理.通过在Weka平台上使用40个UCI数据集的实验结果表明,该算法可以显著提高决策树学习算法的分类性能,并且具有很好的抗噪声性能.

引用

页码：434 / 438

页数：5