运用Chi2算法的一种变形简化决策树归纳的实例表示空间

决策树归纳的两个重要阶段是数据表示空间的简化和决策树的生成。在将训练集的不一致率控制在某一阈值的前提下,减少实例的属性个数和各个属性的取值个数保证了决策树方法的可行性和有效性。本文在Chi2算法的基础上运用它的一种变形进行属性取值离散化和属性筛选,然后运用算术运算符合并取值个数为2或3的相邻属性。在此基础上生成的决策树具有良好的准确性。实验数据采用的是一个保险公司捐献的数据集。

基于贝叶斯网络的一种牛奶产量预测研究

本文运用贝叶斯网络对某农场的牛奶产量进行学习与预测,运用Chi2离散化方法的一种变形进行数据预处理,采用有启发规则指导的、带随机重启的贪心算法搜索网络结构;最后,将贝叶斯网络方法的结果与多元线性回归方法得到的结果进行了比较。