已閱讀1頁，還剩53頁未讀， 繼續(xù)免費閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)
文檔簡介
1、數(shù)據(jù)庫知識發(fā)現(xiàn)是(Knowledge Discovery in Databases，簡稱KDD)是當前涉及人工智能和數(shù)據(jù)庫等學(xué)科的一門相當活躍的研究領(lǐng)域，分類是其中的一個重要研究方向。決策樹是分類中常用的模型之一，自1966年被提出以來已經(jīng)得到了廣泛的研究和應(yīng)用。然而，由于種類偏見，過擬合等問題，使決策樹優(yōu)化成為研究人員關(guān)注的熱點。 本文基于針對可疑實例分析以及結(jié)點純度差變化趨勢兩個方面分別對決策樹構(gòu)造算法中的過擬合問題處理展開
2、研究，主要工作如下： 1.綜述并分析了現(xiàn)有決策樹經(jīng)典算法及主要優(yōu)化算法。 2.提出了基于可疑實例影響度分析的改進的C4.5rules算法，將可疑實例進行有效劃分，并計算其全局影響度大小，使得分類規(guī)則能有效避開可疑實例而更加正確的反應(yīng)數(shù)據(jù)的真實情況。 3.針對傳統(tǒng)決策樹過擬合現(xiàn)象普遍且大多數(shù)預(yù)剪枝算法嚴重依賴領(lǐng)域知識的問題，提出基于結(jié)點純度差(PDN，Purity Distance of Node)變化趨勢的決策樹
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 決策樹風險決策
- 決策樹例題
- 決策樹生成系統(tǒng).pdf
- 有序決策樹在SOCA下的擴展及模糊有序決策樹的研究.pdf
- 代價敏感決策樹算法研究.pdf
- 決策樹分類算法優(yōu)化研究.pdf
- 決策樹練習題
- 不同決策環(huán)境下決策樹模型的研究.pdf
- 信息粒度與決策樹.pdf
- 決策樹分類優(yōu)化算法的研究.pdf
- 決策樹學(xué)習及其剪枝算法研究.pdf
- 決策樹分類及剪枝算法研究.pdf
- 示例學(xué)習的決策樹算法研究.pdf
- 基于決策樹的應(yīng)用研究.pdf
- 決策樹分類算法及其應(yīng)用.pdf
- 決策樹算法的研究及應(yīng)用.pdf
- 決策樹分類器算法的研究.pdf
- 基于決策樹的分類方法研究.pdf
- 決策樹的后期修剪技術(shù)
- 商品推薦的決策樹算法.pdf
評論
0/150
提交評論