摘要: 针对样本中有无关的、冗余的属性会降低决策树算法的分类精度,本文提出基于一致性度量属性约简后构建决策树的方法。对UCI机器学习数据库中5个两类分类样本离散化后,分别基于粗糙集和一致性度量的属性约简来构建C45和CART决策树,实验表明基于一致性度量属性约简构建的决策树有较高的精度和可行性。
中图分类号:
唐良玉;徐吉力;林菁. 基于一致性度量属性约简的决策树构建优化研究[J]. 计算机与现代化, 2011, 193(9): 181-184.
TANG Liang-yu;XU Ji-li;LIN Jing. Research on Attribute Reduction Based on Consistency Criterion for Decision Tree Building Optimization[J]. Computer and Modernization, 2011, 193(9): 181-184.