文献类型：期刊文章

作　　者：洪家荣[1] 丁明峰[1] 李星原[1] 王丽薇[1]

机构地区：[1]哈尔滨工业大学计算机科学与工程系

出　　处：《计算机学报》

基　　金：国家自然科学基金

年　　份：1995

卷　　号：18

期　　号：6

起止页码：470-474

语　　种：中文

收录情况：BDHX、BDHX1992、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI、INSPEC、JST、MR、SCOPUS、ZGKJHX、核心刊

摘　　要：本文就示例学习的重要分枝—决策树归纳学习进行了分析与探讨，从示例学习最优化的角度分析了决策树归纳学习的优化原则，指出了以往的以ＩＤ３为代表的归纳学习算法所固有的缺陷，并提出了一种新的基于概率的决策树归纳学习算法ＰＩＤ．ＰＩＤ在扩展属性的选择上仍采用基于信息增益率的方法，但在树的扩展过程中，采用属性聚类的方法进行树的分枝合并．ＰＩＤ得到的决策树在树的规模和分类精度上都优于ＩＤ３．

关 键 词：决策树 归纳学习  算法  知识表示

分 类 号：TP301.6] TP18[计算机类]