基于信息熵的决策树分类器的研究

分类是数据挖掘领域研究的重要课题。常用的分类模型有决策树、神经网络、遗传算法、粗糙集等。本文的研究工作主要围绕以下几个方面进行:首先介绍了该课题的研究背景,国内外的现状以及其研究的内容和意义。其次概述了一下研究内容的基础,阐述了决策树的相关理论。接着简单介绍了决策树方法,主要研究决策树ID3算法及改进的C4.5算法,最后对两种典型的决策树算法进行了分析比较。C4.5算法解决了ID3算法无法描述属性连续型的情况,在实现过程中利用C4.5算法建立决策树的速度较ID3算法迅速,而且决策树结构也较ID3算法合理,同时也找到较好的规则信息。