决策类划分的多变量决策树实例运算与优化分析.pdfVIP

决策类划分的多变量决策树实例运算与优化分析

黄俊南

【摘要】基于决策类划分的多变量决策树算法是一种新型的多变量算法.选取较复

杂的实例构建训练集,并用新算法构造决策树,验证算法可行性和便捷性.从优化算法

和比配分析两细节入手,有效地提升了算法的准确度,进一步降低了算法的时间复杂

程度.

【期刊名称】《齐齐哈尔大学学报（自然科学版）》

【年(卷),期】2018(034)005

【总页数】6页(P1-6)

【关键词】决策树;多变量;训练集;样本优化;比配分析

【作者】黄俊南

【作者单位】泉州经贸职业技术学院信息系,福建泉州362000

【正文语种】中文

【中图分类】TP301.6

机器学习在近几年迅速发展，是一门多领域交叉学科。其应用领域涵盖专家系统、

认知模拟、规划和问题求解、数据挖掘、网络信息服务、图象识别、故障诊断、自

然语言理解、机器人和博弈等。机器学习算法主要分为符号主义和连接主义这两大

类。[1]决策树是机器学习最基础且广泛应用的算法模型，大多数归纳学习系统得

到的结果是一棵决策树[2]。主要的决策树算法代表有：Quinlan的单变量算法

ID3[3]、C4.5[4]和苗夺谦的粗糙集多变量算法[1]。基于决策类划分的新型多变量

决策树算法[5]是作者于2015年提出的一种新型多变量决策