基于“三分”法的序贯判别树

目的构建基于"三分"法的序贯判别树,并对算法性能进行评价。方法将空间分为三个区域,落入其中两个区域者作肯定性判断,否则便待判的"三分"法的思想,构建"序贯判别树"的分类器,并将序贯判别树算法的结果与常用的判别分析方法 Fisher判别和经典的决策树方法 CART法进行比较,分别计算训练样本和考核样本的实际平均错判率。结果序贯判别树与Fisher判别和CART法比较发现,在相同的相关条件下,随着可分离程度的增大,三种方法判别效果也越好。从平均变量数来看,序贯判别树使用变量数较少,在训练样本中,序贯判别树的错判率为0,并且存在"待判率"一项。而在考核样本中,序贯判别树的正确判别率跟其他两种方法比较接近,错判率远远低于其他两种方法。结论基于"三分法"的序贯判别树的分类精度高,变量少。