文献类型：期刊文章

作　　者：翟俊海[1,2] 翟梦尧[3] 李胜杰[1,2]

机构地区：[1]河北大学数学与计算机学院,保定071002 [2]河北省机器学习与计算智能重点实验室,保定071002 [3]河北大学工商学院,保定071002

出　　处：《计算机科学》

基　　金：国家自然科学基金项目(61170040);河北省自然科学基金项目(F2010000323;F2011201063;F2012201023);河北大学自然科学基金项目(2011-228)资助

年　　份：2012

卷　　号：39

期　　号：11

起止页码：183-186

语　　种：中文

收录情况：BDHX、BDHX2011、CSA、CSCD、CSCD2011_2012、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：决策树是常用的数据挖掘方法,扩展属性的选择是决策树归纳的核心问题。基于离散化方法的连续值决策树归纳在选择扩展属性时,需要度量每一个条件属性的每一个割点的分类不确定性,并通过这些割点的不确定性选择扩展属性,其计算时间复杂度高。针对这一问题,提出了一种基于相容粗糙集技术的连续值属性决策树归纳方法。该方法首先利用相容粗糙集技术选择扩展属性,然后找出该属性的最优割点,分割样例集并递归地构建决策树。从理论上分析了该算法的计算时间复杂度,并在多个数据集上进行了实验。实验结果及对实验结果的统计分析均表明,提出的方法在计算复杂度和分类精度方面均优于其他相关方法。

关 键 词：相容粗糙集 决策树 扩展属性  割点 统计分析

分 类 号：TP181]