一种改进的组合优化决策树算法研究

本文主要基于经典的决策树算法,引入信息熵的概念,在属性的选取和分支策略上进行改进,对每个属性下的样本集,计算熵和平均值,将大于均值的样本合并,形成新的样本子集,最后通过实验验证改进后的算法在属性选择度量的可解释性,减少空支,过度拟合等方面有显著的提高。