非相容表决策树构建算法

针对非相容表构建决策树中属性约简计算复杂度较高的问题,基于粗糙集分辨关系和粒计算理论,建立一种对相容表和非相容表通用的构建决策树算法。该算法首先根据非相容表的逻辑关系式证明其可经过变量替代等价于相容表;然后根据等价表的特点,以属性粒为基本单位,用属性粒的可分辨量、属性粒相对于决策属性的类别数量、决策表中相同行的数量这3个基本参数确定属性的优劣,并以最优属性为划分属性自上向下直接构建决策树。实例分析结果表明,应用该算法构建决策树具有简洁、有效性。

改进的决策树ID3算法及应用

本文利用数据挖掘决策树ID3算法,以校园一卡通数据库中数据挖掘在高校贫困认定领域的应用为实例,通过对简单高效的ID3算法的改进,先排除掉其他因素的影响,再构建最优决策树,从而加强数据结果的可靠性。

基于Hadoop大数据平台的人力资源决策技术研究

针对传统人力资源决策技术对海量人力资源数据辨别能力不高,导致决策效果不佳,研究基于Hadoop大数据平台的人力资源决策技术。该技术对海量的企业人力资源数据进行分布式处理,将神经网络下的员工信息按照输入层、隐含层、输出层进行组别划分;根据影响每一数据组数据变化的影响因素建立初选数据集合;通过计算人力资源的熵值离散度设立决策指标,以员工的姓名、部门、历史业绩、往期工作效率等要素作为选择条件;采用决策树分类算法构建决策树,生成人力资源决策分析报表,以此实现人力资源决策技术。实验结果表明:所研究的人力资源决策技术面对海量的人力资源数据,其辨识能力更强,决策结果的完整度达到了98.35%,比传统决策技术高出了21.55%。由此可见,所研究的决策技术性能更优越、更能满足企业当前的发展需求。