基于CHAID决策树的个人收入分析.pdfVIP

第 29卷第4期 数学理论与应用 V01．29N0．4 2OO9年 12月 MATHEMATICAL IHE()RYAND APPIJCATIONS Dec．2oo9 基于CHAID决策树的个人收入分析 黄 奇 (中南大学数学科学与计算技术学院，长沙，410075) 摘 要 本文提 出了应用CHAID决策树方法来分析国民个人收入。首先本文全面分析了CHAID决策树的构 造过程，最后通过实证分析，从大量的个人信息数据集中，运用CHAID决策树构建出了一个分析模型，该模型 提供了许多潜在的、有用的信息。 关键词 CHAID决策树 个人收入 AnalysisofPersonalIncomeBasedon CHAID DecisionTree HuangQi (SchoolofMathematicalScienceandComputingTechnology，CSU，Chnagsha，410075) Abstract ThispaperusesCHAIDdecisiontreetothenaalysisofpersonalincome．TileCHAIDdceisiontreecanprovidea l0tofhiddeninformationfrom atreemode1．Firstly，tileconstructionofCHAIDdecisiontreeisintroduced ． Thenallexample aboutpersonalincomeisnaalyzedusingCHAIDdecisiontree． Keywords CHAID decisiontree Personal income 把国民按收入水平分类，研究各个收入阶层的属性特征，同时研究这些属性特征对个人收 入的影响，这对一个 国家发展措施的制定具有指导作用 。直观上，个人收入水平会受到如地 域、受教育程度、职业、性别等因素的影响，那么它们的影响作用是怎样的?能否构建出一个科 学的评估模型?有些学者采用分类回归村构造该分类模型_】J，但是回归分析要求样本数据集 具有较好的分布规律。有些学者采用灰色关联分析方法 J，但是该方法只是注重分析各个影 响因素之间的相互关系，却不能构造出一个分类规则出来 。而有些学者采用神经网络来分 析 j，这种方法是一种黑箱操作，可控性不是很好。本文是采用 CHAID决策树立方法对该分 类问题进行分析研究，从一个大样本数据集中构造出一个分类模型，其提供一些较好的分类规 则。 决策树方法广泛应用于和分类相关的各种问题，属于有监督的归纳学习算法 J。决策树 从根节点(总数据集)开始，按照某种规则，选择属性进行分裂，再按照某种规则生成子节点；子 * 李俊平 教授推荐 收稿 1]】：2009F5月 19日 数学理论与应用 节点再重复先前步骤，直到达到某种停机准则，从而一棵决策树变生长完毕。 1 决策树分裂与生长过程 1．1 决策树概要 决策树划分规则是采用信息增益最大原理或纯度测量[5]，来选择分裂的属性依据；然后是 根据分裂属性如何分裂该父节点来生成子节点，逐层进行，最后生成一个完整的树。所以，树 的生长过程分为两个步骤：第一步是分裂过程，第二步是生长过程。 1．2 a JI)决策树分裂过程 定义 1 设信源 的符号取值集合为A={ ，a：，…，a}，其中信号a∈A出现的概率为 P P[X= ]，称 ，(a)=一logp为a信息量。信息量的数学期望为信源的平均信息量或信 息熵，记为 ()，有： H(X)：～ plogp (1) 决策树分类方法利用信息量增加作为特征选择的一种指标。信息增益衡量每个属