文献类型：期刊文章

作　　者：谢鑫[1,2] 张贤勇[1,2] 杨霁琳[2,3]

Xie Xin;Zhang Xianyong;Yang Jilin(School of Mathematical Sciences,Sichuan Normal University,Chengdu 610066,China;Institute of Intelligent Information&Quantum Information,Sichuan Normal University,Chengdu 610066,China;College of Computer Science,Sichuan Normal University,Chengdu 610066,China)

机构地区：[1]四川师范大学.数学科学学院,成都610066 [2]四川师范大学智能信息与量子信息研究所,成都610066 [3]四川师范大学计算机科学学院,成都610066

出　　处：《计算机应用研究》

基　　金：国家自然科学基金资助项目(61673258,11671284);四川省科技计划项目(2021YJ0085,2019YJ0529)。

年　　份：2022

卷　　号：39

期　　号：1

起止页码：102-105

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：经典ID3决策树算法适用于离散型数据分类,但用于连续处理时需要数据离散化容易导致信息损失。提出邻域等价关系从而诱导邻域ID3(NID3)决策树算法,NID3算法改进了ID3决策树算法,能够直接实施连续预测并获取更好的分类效果。在邻域决策系统中,挖掘一种邻域等价关系;基于邻域等价粒化,构建邻域信息度量;基于邻域信息增益,设计NID3决策树算法。实例分析与数据实验均表明,NID3算法具有连续数据分类预测有效性,在分类机器学习中优于ID3算法。

关 键 词：决策树 ID3算法 邻域粗糙集 邻域等价关系  邻域信息增益  机器学习  

分 类 号：TP18]