基于粗糙集理論的決策樹(shù)生成系統(tǒng).pdf

1、數(shù)據(jù)挖掘是利用分析工具從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取出隱含在其中事先未知、潛在有用的信息和知識(shí)的過(guò)程，建立數(shù)據(jù)間關(guān)系模型，用其做出預(yù)測(cè)，從而為決策者提供輔助決策。分類(lèi)是數(shù)據(jù)挖掘中的一種重要方法。決策樹(shù)是一種常用的分類(lèi)模型，并以其能直接體現(xiàn)數(shù)據(jù)特點(diǎn)，分類(lèi)效率高、速度快、理解性好等特點(diǎn)在數(shù)據(jù)挖掘及其它領(lǐng)域中被廣泛使用；粗糙集理論將分類(lèi)和知識(shí)聯(lián)系在一起，認(rèn)為知識(shí)是將對(duì)象分類(lèi)的能力，是一種處理模糊和不精確數(shù)據(jù)的數(shù)學(xué)工具

2、，具有很強(qiáng)的知識(shí)獲取能力，本論文將基于粗糙集理論實(shí)現(xiàn)決策樹(shù)生成系統(tǒng)。 決策樹(shù)生成系統(tǒng)，包括數(shù)據(jù)預(yù)處理，連續(xù)屬性離散化，決策樹(shù)生成，剪枝，評(píng)估，及預(yù)測(cè)，決策森林，生成規(guī)則幾個(gè)部分。數(shù)據(jù)預(yù)處理主要針對(duì)數(shù)據(jù)缺失進(jìn)行處理，主要方法為忽略元組，使用常量填充，或?qū)傩云骄堤畛洌蛟M同一類(lèi)的樣本平均值填充。連續(xù)屬性離散化使用基于變精度粗糙集理論的頻率寬度方法，決策樹(shù)生成使用基于變精度粗糙集理論的分類(lèi)方法。針對(duì)目前剪枝方法的不足，確定決策樹(shù)復(fù)

3、雜度衡量標(biāo)準(zhǔn)，設(shè)計(jì)一種基于錯(cuò)誤率和復(fù)雜度的剪枝方法。計(jì)算決策樹(shù)每個(gè)節(jié)點(diǎn)錯(cuò)誤率及復(fù)雜度之和作為該節(jié)點(diǎn)是否剪枝的標(biāo)準(zhǔn)，這樣保證了不過(guò)分降低精度的前提下使得復(fù)雜度最小。在生成規(guī)則階段主要是將決策樹(shù)轉(zhuǎn)化為比較直觀的IF-THEN規(guī)則形式，讓用戶(hù)能更好地理解分類(lèi)結(jié)果。在處理多類(lèi)數(shù)據(jù)分類(lèi)的任務(wù)需要得到精確的和易于處理的方案時(shí)，傳統(tǒng)的決策樹(shù)分析方法效率和精度比較低。原因是單棵決策樹(shù)不能提供充足的途徑來(lái)分配多類(lèi)的數(shù)據(jù)。決策森林算法提供了一個(gè)有效的方法來(lái)