已閱讀1頁，還剩53頁未讀， 繼續(xù)免費(fèi)閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、數(shù)據(jù)庫知識發(fā)現(xiàn)是(Knowledge Discovery in Databases，簡稱KDD)是當(dāng)前涉及人工智能和數(shù)據(jù)庫等學(xué)科的一門相當(dāng)活躍的研究領(lǐng)域，分類是其中的一個(gè)重要研究方向。決策樹是分類中常用的模型之一，自1966年被提出以來已經(jīng)得到了廣泛的研究和應(yīng)用。然而，由于種類偏見，過擬合等問題，使決策樹優(yōu)化成為研究人員關(guān)注的熱點(diǎn)。 本文基于針對可疑實(shí)例分析以及結(jié)點(diǎn)純度差變化趨勢兩個(gè)方面分別對決策樹構(gòu)造算法中的過擬合問題處理展開
2、研究，主要工作如下： 1.綜述并分析了現(xiàn)有決策樹經(jīng)典算法及主要優(yōu)化算法。 2.提出了基于可疑實(shí)例影響度分析的改進(jìn)的C4.5rules算法，將可疑實(shí)例進(jìn)行有效劃分，并計(jì)算其全局影響度大小，使得分類規(guī)則能有效避開可疑實(shí)例而更加正確的反應(yīng)數(shù)據(jù)的真實(shí)情況。 3.針對傳統(tǒng)決策樹過擬合現(xiàn)象普遍且大多數(shù)預(yù)剪枝算法嚴(yán)重依賴領(lǐng)域知識的問題，提出基于結(jié)點(diǎn)純度差(PDN，Purity Distance of Node)變化趨勢的決策樹
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(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)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(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)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(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)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。
最新文檔
- 決策樹風(fēng)險(xiǎn)決策
- 決策樹例題
- 決策樹生成系統(tǒng).pdf
- 有序決策樹在SOCA下的擴(kuò)展及模糊有序決策樹的研究.pdf
- 代價(jià)敏感決策樹算法研究.pdf
- 決策樹分類算法優(yōu)化研究.pdf
- 決策樹練習(xí)題
- 信息粒度與決策樹.pdf
- 不同決策環(huán)境下決策樹模型的研究.pdf
- 決策樹分類優(yōu)化算法的研究.pdf
- 決策樹學(xué)習(xí)及其剪枝算法研究.pdf
- 決策樹分類及剪枝算法研究.pdf
- 示例學(xué)習(xí)的決策樹算法研究.pdf
- 基于決策樹的應(yīng)用研究.pdf
- 決策樹分類算法及其應(yīng)用.pdf
- 決策樹算法的研究及應(yīng)用.pdf
- 決策樹分類器算法的研究.pdf
- 基于決策樹的分類方法研究.pdf
- 決策樹的后期修剪技術(shù)
- 商品推薦的決策樹算法.pdf
評論
0/150
提交評論