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 and 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：《计算机工程与应用》

基　　金：国家自然科学基金(61673258,11671284);四川省科技基金(2021YJ0085,2019YJ0529);四川省教育厅科研项目(17ZB0356)。

年　　份：2022

卷　　号：58

期　　号：10

起止页码：139-144

语　　种：中文

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

摘　　要：机器学习中的决策树算法具有重要的数据分类功能,但基于信息增益的ID3算法与基于基尼指数的CART算法的分类功效还值得提高。构造信息增益与基尼指数的自适应集成度量,设计有效的决策树算法,以提升ID3与CART两类基本算法的性能。分析信息增益信息表示与基尼指数代数表示的异质无关性,采用基于知识的加权线性组合来建立信息增益与基尼指数的融合度量,开发决策树启发构造算法IGGI。关于决策树,IGGI算法有效改进了ID3算法与CART算法,相关数据实验表明IGGI算法通常具有更优的分类准确度。

关 键 词：决策树 信息增益 基尼指数 不确定性度量  自适应线性融合  机器学习  

分 类 号：TP18]