基于粗糙集合理論的決策樹優(yōu)化方法研究.pdf

1、分類是數(shù)據(jù)挖掘的重要任務之一，決策樹模型是數(shù)據(jù)挖掘的常用分類模型，自1966年被提出以來已經(jīng)得到了廣泛的研究和應用。然而，由于在決策樹的構(gòu)造過程中采用了貪心算法，因而造成了決策樹容易過分擬合、規(guī)模過大、產(chǎn)生的規(guī)則長度過長等特點。針對這些問題，研究人員提出了多種優(yōu)化方法。本文對現(xiàn)有的決策樹方法進行了全面的研究的基礎(chǔ)上，提出了一種基于粗糙集合理論的決策樹優(yōu)化算法。 本文的主要工作如下： (1)介紹了KDD的定義、基本過程、應

2、用范圍和面臨的主要問題，介紹了決策樹算法的應用、常用的分類模型和基于決策樹的經(jīng)典分類模型。 (2)對現(xiàn)有的各類決策樹優(yōu)化技術(shù)進行了詳細的介紹，如修改測試屬性空間、改進測試屬性選擇方法、決策樹的剪枝、對數(shù)據(jù)進行限制和改變數(shù)據(jù)結(jié)構(gòu)等，并介紹了每種方法中比較經(jīng)典的算法。同時對各種方法進行了定性分析，比較了各自類方法的優(yōu)缺點。 (3)基于以往所提出的多變量決策樹模型的不足之處，本文提出了一種改進的多變量決策樹算法VPMDT，該算