示例學習的決策樹算法研究.pdf_第1頁
已閱讀1頁，還剩59頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、決策樹分類學習算法是使用最廣泛、實用性很強的歸納推理方法之一,在機器學習、數(shù)據挖掘等人工智能領域有相當重要的理論意義與實用價值.在各種決策樹學習算法當中,最有影響力的是采用信息熵的下降速度作為選擇測試屬性的標準的ID3算法.但是ID3算法存在學習簡單邏輯表達式的能力較差、偏向屬性取值數(shù)目較多等缺陷.論文企圖在ID3的基礎上,針對其中的一些不足加以改進.本文首先介紹了示例學習的擴張矩陣理論與決策樹學習的最優(yōu)化問題、ID3算法的信息論原理與

2、實現(xiàn)以及C4.5算法的剪枝原理.然后針對ID3學習邏輯表達式方面的不足,提出了一種對ID3學習到的決策樹進行簡化的算法——基于蘊含規(guī)則的決策樹簡化算法(DTSA-BOIR,簡記為BOIR),BOIR以ID3算法構造的決策樹為基礎,先序遍歷由ID3構造出來的決策樹的各個節(jié)點,并對其子樹進行比較,如果各子樹的根屬性都相同而且存在某些相應的分支對于各子樹完全相同,則改變決策樹中相應屬性的層次關系并把相同的分支分別合并起來.本文實現(xiàn)了BOIR對

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論