文件名称：基于Rough集的决策树算法 (2005年)
文件大小：645KB
文件格式：PDF
更新时间：2024-06-07 08:09:39
自然科学 论文
针对基于Rough集的经典分类算法值约简算法等不适合犬数据集的问题，提出了基于Rough集的决策树算法。采用一个新的选择属性的测度——属性分类粗糙度作为选择属性的启发式，该测度较Rough中刻画属性相关性的测度正区域等更为全面地刻画了属性分类综合贡献能力，并且比信息增益和信息增益率的计算更为简单一采取了一种新的剪枝方法一一预剪枝，即在选择属性计算前基于变精度正区域修正属性对数据的初始划分模式，以更有效地消除噪音数据对选择属性和生成叶节点的影响。采取了一种与决策树算法高度融合的简单有效的检测和处理不相客数据