基于C&R决策树的茶饮料用原料茶初筛方法

对于茶饮料而言,原料茶质量是决定最终产品品质的重要基础。目前对茶饮料用原料茶的筛选,往往需要将其制成产品后进行样本质量的评价,每种原料茶的评价都需要经过茶汤制作、灭菌、感官评价(包括灭菌前、灭菌后、贮藏期等)等一系列复杂过程。在进行大规模样本筛选时,此评价需花费大量的时间和精力。为了提升茶饮料用原料茶的筛选效率,本研究分析了不同原料茶制作茶饮料过程中,各阶段的汤色以及与汤色相关的明亮度L、色差-a、b、-a/b值和浊度等指标的变化规律,并结合C&R决策树研究一种利用汤色色度指标针对茶饮料用原料茶的快速初筛方法。利用该方法进行初筛时可将原料茶的筛选范围从62个缩减到44个,减少了29.0%,筛选效率从0.226提高到0.318,提高了40.7%,并且得出灭菌前-a/b>0.475可作为茶饮料用原料茶的一个主要筛选标准。本研究结果能为饮料用原料茶快速筛选方法的建立提供参考。

基于SPSS Modeler的高损耗线路模式识别体系的研究

在工程实践中,需要在计算条件成熟的线路上计算线损,分析线路的特征量,建立高损耗线路模式识别体系,从而对计算条件不成熟线路的线损率指标进行预测。从理论线损的计算方法出发,分析不同电压等级下的计算条件和适用的计算方法;提出了通过K-Means聚类算法对线路特征进行初步分类,在各个类中使用C&R分类回归树的方法,最终形成模式识别的判别树。分析结果表明,该方法能有效跟踪某一线路高损耗产生的原因,并对线损进行预测。

基于分类回归树的新闻服务营销研究

数据挖掘技术中的分类和回归树(Classification And Regression Tree,CART)节点是一种基于树的分类预测方法,使用递归分区来将训练记录分割类似的输出字段值。文章将C&R树应用于市场营销研究,目标是寻找意愿接受互动新闻服务并购买的潜在客户。通过使用已有的客户数据作为训练样本,建立了一个分类回归模型,可以用于未来数据的预测,从而有助于企业更好地针对不同类型的客户进行不同的营销策略。

一种有效的C4.5改进模型

介绍了一种有效的决策树改进模型:R-C 4.5及其简化版本,旨在构造一棵简单的树,同时提高决策树属性选择度量的可解释性,减少空枝和无意义分枝,以及过度拟合。该决策树模型基于著名的C 4.5决策树模型,但在属性的选取和分枝策略上进行了改进。在R-C 4.5中,通过合并分类效果差的分枝,有效避免了碎片等问题。实验表明,R-C 4.5决策树在保持模型预测准确率的同时,有效改进了树的健壮性。作为R-C 4.5的简化版本,R-C 4.5c和R-C 4.5s可生成更为简单的树,而且R-C 4.5s通过数据预处理阶段完成,易于实现。