基于粗糙集理論的決策樹剪枝.pdf

1、數(shù)據(jù)挖掘(DM-DataMining)是運(yùn)用基于計(jì)算機(jī)的方法，包括其它新技術(shù)，從大量的數(shù)據(jù)中搜尋有價(jià)值的、非同尋常的新信息的過程。 數(shù)據(jù)挖掘的核心技術(shù)算法主要有統(tǒng)計(jì)分析方法、神經(jīng)網(wǎng)絡(luò)、決策樹方法、遺傳算法等。其中決策樹方法是一種廣泛使用的用于分類的方法，它通過一組無次序，無規(guī)則的實(shí)例推理出決策樹表示形式的分類規(guī)則，從而找到一些有價(jià)值的、潛在的信息。 目前很多決策樹構(gòu)造方法得到的決策樹，都具有較好的精度，但是存在著計(jì)算量大

2、、泛化能力受限制的缺點(diǎn)，而粗糙集理論是由波蘭數(shù)學(xué)家Z.Pawlak提出的繼概率論、模糊集、證據(jù)理論之后的又一個(gè)處理不確定性知識(shí)的數(shù)學(xué)工具，近年來其有效性已在許多科學(xué)與工程領(lǐng)域的成功應(yīng)用中得到證實(shí)。基于此，決策樹分類方法引入粗糙集理論，本文通過理論分析和實(shí)驗(yàn)驗(yàn)證，得出基于粗糙集理論的決策樹分類方法取得了較好的結(jié)果。通過分析基于粗糙集理論的決策樹后剪枝方法，發(fā)現(xiàn)各種后剪枝方法存在只注重整體的缺點(diǎn)并提出了解決策略—基于葉結(jié)點(diǎn)的決策樹剪枝方法。

3、本文具體內(nèi)容安排如下： 1決策樹構(gòu)造簡(jiǎn)單介紹決策樹，主要講述著名的決策樹構(gòu)造方法ID3算法及由其改進(jìn)并得到廣泛使用的C4.5算法。 2決策樹剪枝決策樹剪枝是提高決策樹的泛化能力、防止過匹配(over-fitting)現(xiàn)象的有效方法。剪枝策略有預(yù)剪枝和后剪枝，本文對(duì)六種后剪枝方法進(jìn)行了分析。 3基于粗糙集理論的決策樹構(gòu)造和剪枝方法粗糙集理論具有處理不確定性知識(shí)的能力，本章將粗糙集理論引入決策樹構(gòu)造和剪枝方法以消除噪