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、決策樹分類算法作為數(shù)據(jù)挖掘技術(shù)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(shù)據(jù)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(shù)據(jù)進行分類。目前對于決策樹的研究已經(jīng)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(jīng)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(jié)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(nèi)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(jù)信息增益的評估結(jié)果，通過提出的范圍界定參數(shù)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(biāo)準(zhǔn)前提下，進一步改進了算法穩(wěn)定性，提高了準(zhǔn)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
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(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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
- 基于信息增益的決策樹算法的分析與改進.pdf
- 基于信息增益的量化算法及其在決策樹中應(yīng)用的研究.pdf
- 基于改進信息熵離散化的決策樹算法研究
- 基于改進信息熵離散化的決策樹算法研究.pdf
- 基于決策樹和信息熵的屬性約簡算法研究.pdf
- 基于多關(guān)系決策樹算法的研究.pdf
- 基于語義的決策樹挖掘算法研究.pdf
- 基于決策樹算法的股票分析.pdf
- 基于遺傳算法的決策樹優(yōu)化算法研究.pdf
- 基于Hadoop平臺的決策樹算法研究.pdf
- 基于決策樹的單調(diào)分類算法研究.pdf
- 基于決策樹算法的客戶分類模型研究.pdf
- 基于AFS理論的模糊決策樹算法研究.pdf
- 基于粗糙集的決策樹算法研究.pdf
- 基于決策樹的數(shù)據(jù)挖掘算法優(yōu)化研究.pdf
- 基于程序演化的決策樹算法優(yōu)化研究.pdf
- 基于決策樹算法的改進與應(yīng)用.pdf
- 決策樹分類優(yōu)化算法的研究.pdf
- 基于決策樹分類算法研究及應(yīng)用.pdf
- 基于Hadoop的共享決策樹挖掘算法研究.pdf
評論
0/150
提交評論