基于信息增益的完全決策樹算法研究.pdf

1、決策樹分類算法作為數據挖掘技術中一個重要的分類方法，具有簡潔且高效的分類效果。決策樹算法通過數據樣本集建立決策樹模型，進而利用生成的模型對未知分類數據進行分類。目前對于決策樹的研究已經有40 多年的歷史，這期間誕生了許許多多不同的算法。其中較為經典的ID3、C4.5、C5.0等算法均是基于信息增益理論的分類算法，這些算法有著理論清晰、方法簡單且分類速度較快的特點。但同時信息增益理論在決策樹屬性分裂時，也存在著多值偏向等問題。本文結合信息

2、增益理論的優(yōu)勢，著眼于改進決策樹算法的分類精度，主要研究內容是基于信息增益的完全決策樹算法。
　　 本文通過引入一種新型的決策樹節(jié)點，在屬性分裂時并非選擇單一分裂屬性，而是根據信息增益的評估結果，通過提出的范圍界定參數來選擇一系列分裂屬性，將此方法所得的決策樹稱為完全決策樹。節(jié)點的引入使得在保留了熵值計算的選擇標準前提下，進一步改進了算法穩(wěn)定性，提高了準確度，更大的發(fā)揮了基于信息增益理論的決策樹算法潛力。
　　 本文將基