文献类型：期刊文章

作　　者：李玲俐[1]

机构地区：[1]广东司法警官职业学院信息管理系,广州510520

出　　处：《重庆师范大学学报（自然科学版）》

年　　份：2011

卷　　号：28

期　　号：4

起止页码：44-47

语　　种：中文

收录情况：CAB、CAS、DOAJ、IC、JST、RCCSE、WOS、ZGKJHX、ZMATH、ZR、普通刊

摘　　要：对分类算法中需要解决的关键问题进行了分析;综述了不同分类算法的思想和特性,决策树分类算法能够很好地处理噪声数据,但只对规模较小训练样本集有效;贝叶斯分类算法精度高、速度快,错误率低,但分类不够准确;传统的基于关联规则算法分类准确率高,但容易受硬件内存的制约;支持向量机算法分类准确率高、复杂度低,但速度慢。针对各种分类算法的缺陷,结合其优点,论述了当前一些速度更快、准确率更高、能实现更好分类效果的新算法,如多决策树综合技术、基于先验信息和信息增益的混合分类算法,基于粗糙集和遗传算法的神经网络分类算法等;对数据挖掘分类算法作了展望,提出今后的研究重点。

关 键 词：数据挖掘 分类  综述  

分 类 号：TP391]