叶枝分辨的决策树研究

为了解决当前构建决策树算法中准确度与计算量之间的矛盾,根据粒计算理论,提出了利用叶枝粒之比的决策树构建算法:将条件属性按属性值划分为若干基本粒作为基本分配单位(叶重量),而将基本粒所对应的决策属性值的类别数量作为基本接受单位(枝数量),直接利用叶枝粒比判断确定划分属性,由所选划分属性自顶向下构造决策树。通过理论与实例分析结果表明了该算法简洁且准确性高。

基于叶枝比率的决策树构建算法

当前构建决策树算法中主要存在准确度不高与计算量大两个问题。文章认为影响准确度的因素是属性作为基本判定条件权重过大;影响计算量的因素是采用了概率计算方法。针对以上问题,文章提出了利用叶枝比率判定算法构建决策树:即将属性按取值划分为若干叶(基本粒),而将条件属性叶所对应的决策属性叶的类别数量定义为枝,以粒分辨关系为理论基础,用全局叶枝比率判优法直接确定划分属性,由此自顶向下构造决策树。理论与实例分析的结果表明,利用此算法所建决策树准确性高且判定的算法简洁。

面向属性值分类的决策树研究

为了提高当前决策树构建的准确度,降低计算复杂度,以粒分辨关系为理论基础将属性按其值划分为若干子集(粒)作为基本判决单位,提出叶、枝划分集的逻辑式判定算法,将条件属性粒的长度作为可分配的树叶量,而其对应的决策粒作为可接受的树枝量,用叶、枝比例的强度判定该属性粒的分辨力,进而从全局分辨关系直接判定出划分属性,由顶向下进行决策树的构建。实例分析的结果表明,算法简洁且精准。