期刊文献+

基于K-近邻的局部懒惰式决策树分类模型 被引量:1

A Local Lazy Decision-tree Classifier Based on K-nearest Strategy
下载PDF
导出
摘要 分类是数据挖掘的一个重要研究课题,其概念是在已有数据的基础上构造出一个分类模型。该模型能够把数据库中的数据记录映射到给定类别中的某一个,从而进行数据的分类。通过对懒惰式学习策略的研究,在大量实验的基础之上,提出了一个新的分类模型——Local-LDtree。介绍了Local-LDtree模型的原理和算法,分析了其在分类精确度方面的优劣,指出了对其进行改进的方向。 Classification is one of very important basic tasks in the field of data mining,and a task of classification is to find a classification model.This model can map an unlabelled instance,which is represented by a set of attribute-value pairs,into its predicted label.Such a model can be applied to data classification.On the basis of analyzing lazy learning strategy and on the results of the experiments,this paper proposes a new lazy classification model,Local-LDtree,and introduces the principle and algorithm of Local-LDtree,analyzes the classification accuracy of the model,points out the direction about how to improve the model.
出处 《无线电工程》 2010年第2期57-60,共4页 Radio Engineering
关键词 懒惰式学习策略 K-近邻算法 懒惰式决策树 Local-Ldtree lazy strategy K-nearest strategy lazy decision-tree Local-LDtree
  • 相关文献

参考文献2

  • 1Christopher G. Atkeson,Andrew W. Moore,Stefan Schaal. Locally Weighted Learning for Control[J] 1997,Artificial Intelligence Review(1-5):75~113
  • 2David W. Aha,Dennis Kibler,Marc K. Albert. Instance-based learning algorithms[J] 1991,Machine Learning(1):37~66

同被引文献2

引证文献1

二级引证文献1

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部