ID3算法的改进和优化

ID3算法是最基本的决策树学习算法,有广泛的应用。基于ID3算法的层间不相关性与生成树中相邻层的耦合性,该文提出了一种改进的ID3的决策树算法(E-ID3)。算法采用统计局部最优的方法,能获得比较好的启发式函数。实验证明,这种方法从树的规模和分类精度都优于ID3算法,决策效率明显提高。

决策树算法的优化与比较

ID3算法采用一种对属性进行逐层的搜索和比较的"贪婪算法思想"。基于ID3算法的层间不相关性,该文考虑了生成树中相邻层的耦合,提出了一种改进的ID3的决策树算法(E-ID3),E-ID3算法使用一种基于"统计出局部最优"的方法,获得比较好的启发式函数算法,并分析了E-ID3"算两步,走一步"的思想。实验证明,该优化算法对于构建决策树具有很好的效率。

基于大数据决策的混合式教学研究与应用

基于大数据环境下对学生在混合式学习过程中在线学习的行为数据采集分析。应用决策树ID3算法,并通过建立决策树原型判定学生的在线学习行为,为混合式教学的研究与应用提供有价值的参考依据。