-
题名一种改进的基于正区域的决策树算法
被引量:7
- 1
-
-
作者
高静
杨炳儒
徐章艳
宋威
-
机构
北京科技大学信息工程学院
-
出处
《计算机科学》
CSCD
北大核心
2008年第5期138-142,共5页
-
基金
国家自然科学基金重点项目(69835001)资助
教育部科技重点项目([2000]175)资助
北京市自然科学基金项目(4022008)资助
-
文摘
首先分析了基于正区域、基于粗糙边界和基于依赖度的属性选择标准的关系,并证明了这三种属性选择标准彼此等价。然后以正区城的属性选择标准为代表,分析了基于正区域的决策树生成算法的优点和不足。针对这些不足。给出了一种新的属性选择标准,即基于伴随正区域的属性选择标准。用新的属性选择标准生成的决策树一般具有叶子数目较少,叶子的平均深度也较小,且叶子具有较强的泛化能力。最后,用一实例说明了新的属性选择标准的优越性。
-
关键词
决策树
粗糙集
正区域
粗糙边界
依赖度
伴随正区域
-
Keywords
Decision tree, Rough set, Positive region, Rough bound, Attribute dependency, Adjoint positive region
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
F274
[经济管理—企业管理]
-