基于粗糙集決策樹分類算法的改進與研究.pdf

1、數(shù)據(jù)挖掘就是在給定數(shù)據(jù)中發(fā)現(xiàn)數(shù)據(jù)之間的聯(lián)系的過程。目前，人們對數(shù)據(jù)挖掘方面的研究主要集中在聚類、知識分析、決策支持等方面。分類算法是數(shù)據(jù)挖掘核心技術(shù)之一，是當(dāng)前數(shù)據(jù)挖掘領(lǐng)域的一個研究熱點。同時，粗糙集作為一種研究數(shù)據(jù)表達歸納的重要方法，在數(shù)據(jù)挖掘、知識發(fā)現(xiàn)方面有著不可替代的作用。
　　傳統(tǒng)的基于區(qū)分價值的算法需要對全部候選測試屬性的取值進行比較，決策樹規(guī)模較大，分類精度不是很高。為了獲得更好的分類效果，降低決策樹的規(guī)模，提高分類精

2、度，本文對基于區(qū)分價值的屬性選擇判據(jù)的決策樹算法進行了如下改進：
　　首先，將粗糙集技術(shù)和決策樹理論結(jié)合起來，針對于傳統(tǒng)的基于區(qū)分價值的決策樹算法必須依次比較對象的區(qū)分價值，從而導(dǎo)致時間開銷過大的問題，提出了改進算法一。該算法定義了“FI”和“SI”兩個參數(shù)，減少對象之間的比較次數(shù)，有效提升了時間性能，最終達到了縮小決策樹規(guī)模的目的。
　　其次，為了進一步降低決策樹的規(guī)模，改進單變量決策樹沒有充分考慮屬性間的相互關(guān)聯(lián)的不足，

3、引入了基于區(qū)分價值的多變量改進算法二，該算法選擇“FI”里面參數(shù)I(a)（某屬性值上取值不同的個數(shù)）取值最大和次大的屬性作為多變量檢測屬性；若屬性集中“FI”為空，將“SI”中的屬性按區(qū)分價值排序，對屬性進行分類，進一步改進決策樹算法。
　　最后，在UCI數(shù)據(jù)庫的三個數(shù)據(jù)集上比較了基于ID3算法、建立在區(qū)分價值基礎(chǔ)之上的單變量的決策樹算法（改進算法一）和建立在區(qū)分價值基礎(chǔ)之上的多變量決策樹（改進算法二）三者的效果。通過實驗我們發(fā)現(xiàn)