一种基于影响度的可伸缩的决策树算法.pdfVIP

维普资讯 第 24卷第 4期 阿 方净葡学探 (自然科学版) Vo1．24No．4 2008年 8月 JournalofHebeiNorthUniversity (NaturalScienceEdition) Aug．2008 决 一 种基于影响度的可伸缩的决策树算法 冯贵 良，杨 洁，李忠哗 (河北北方学院理学院，河北 张家口075000) 摘要 ：目的 针对 ID3算法计算复杂度高这一 问题 ，改进决策树生成算法 DTA (DecisionTreeAlgo— rithm)．方法 提出了用影响度作为属性选择的标准，为了使算法具有 良好的可伸缩性，引入了基于类别的属 性表的新的数据结构．结果 表明算法能生成正确的决策树 ，并且计算复杂度明显优于传统算法．结论 可以 在计算机硬件配置较低、资源消耗较少的条件下来快速生成正确的决策树，得到相应的决策规则． 关键词：决策树；数据挖掘；算法；属性表；影响度 中图分类号 ：TP311 文献标识码 ：A 文章编号 (2008)04—0055—03 A RetractileDecisionTreeAlgorithm BasedonInfluenceDegree FENG Gui—liang，YANGJie，LIZhong-hua (CollegeofScience，HebeiNorthUniversity，Zhangiiakou075000，Hebei，China) Abstract：Objective Aimingathighcomplexdegreeofthealgorithm ID3，tointroduceanadvanced algorithm ，DTA (DecisionTreeAlgorithm)，whichisbasedondecisiontree．Methods Usinginfluence degreeasthestandardoffeatureselectionforagoodcalculationcomplexdegreeandusinganew data structurewhichisan attributelistbasedon classification foragoodretractility． Results Asisshown from theresultofexperiment，theadvancedalgorithm canmakeaccuratedecisiontreeandbettercomplex degreethan traditionalalgorithms．Conclusion Thealgorithm cangeneratecorrectdecisiontreesandob— tainrelevantdecisionrulesontheconditionsoflow configurationofcomputerandlessconsumptionofre— SOursas． Keywords：decision tree；datamining；algorithm；attributelist；influencedegree 来形成分类器和预测模型，着 眼于从一组无次序、 1 引 言 无规则的事例 中推理 出决策树表示形成 的分类规 策树方法是数据挖掘中挖掘分类规则的重要 则．它采用 自顶 向下的递归方式 ，在决策树的内部 方法 决策树方法的基本思想是：选取