奇异向量空间树分类器_NoRestriction论文.pdfVIP

奇异向量空间树分类器术 何 萍1徐晓华2陈岐1，2 1扬州大学信息工程学院计算机系，扬州 225009 2南京航空航天大学信息科学与技术学院计算机系，南京210016 摘要：本文提出了一种基于奇异向量空间的树分类器(sT)算法，通过将数据从原属性空间变换到正交的 奇异向量空间，在新空间内间接构建原空间的近似最优斜决策树，从而改善树分类器的泛化性能。ST算法 无需参数调节，分类结果不受样本随机重排的影响，时间复杂度与单变量决策树算法相同。实验结果显示， sT算法比其他斜决策树算法分类准确率更高，构建的决策树大小更稳定，且决策树构建时间与传统单变量 决策树算法相近。 关键词：奇异向量空间，决策树 in Vector TreeClassifier SingularSpace He 1，XuXiaohua2，Chen Ping Lin912 1 of DepartmentComputerScience，Yangzhou 2 of Scienceand ofAeronauticsand Computer Engineering，NanjingUniversity Department Astronautics，Nanjing，210016，China Abstract：This atree basedonthe vector thedata paperproposesclassifieralgorithm singularspaceof fST, Tree data the attributeintosome Singular-vector-spaceclass诉erl．STtransformsfromoriginal space orthogonal vector an decisiontreethe inthisnew singularspace，constructsapproximatelyoptimalobliqrue of originalspace attribute thatits canbe is spaceindirectly，sogeneralizationability improved．STalgorithmun-parameterized,it can thesame resultsnomatterhowtheobservationsare itstime produce classification arranged,andcomplexity fSthesameastheunivariantdecisiontree resultsshow that,ST algorithms．Experimental produceshigher andmorestabledecisiontree thanother decisiontree its classificationaccuracy size oblique a培orithms,while tree—constructiontimeis closetothetraditionalunivariantdecisiontree very algorithm．