变精度粗集模型在决策树生成过程中的应用  

Application of the Variable Precision Rough Set Model in Decision Tree Construction

作　　者：王名扬[1] 卫金茂[1,2] 伊卫国[1] 

机构地区：[1]东北师范大学物理学院计算机智能研究所 [2]吉林大学计算机科学与技术学院,吉林长春130024

出　　处：《计算机工程与科学》2005年第1期96-98,共3页Computer Engineering & Science

摘　　要：Pawlak粗集模型所描述的分类是完全精确的 ,而没有某种程度上的近似。在利用Pawlak粗集模型构造决策树的过程中 ,生成方法会将少数特殊实例特化出来 ,使生成的决策树过于庞大 ,从而降低了决策树对未来数据的预测和分类能力。利用变精度粗集模型 ,对基于Pawlak粗集模型的决策树生成方法进行改进 ,提出变精度明确区的概念 ,允许在构造决策树的过程中划入明确区的实例类别存在一定的不一致性 ,可简化生成的决策树 。The accurate classification of the Pawlak Rough Set Model restricts its application in the real world. In the process of inducing a decision tree with the Pawlak Rough Set Model, the inducing approach draws out some minority special instances, which makes the decision tree too large and reduces its ability of predicting and classifying future data. This paper proposes a new decision tree inducing approach based on the Variable Precision Rough Set Model to improve the one based on the Pawlak Rough Set Model. The concept of the variable precision explicit region has been proposed for selecting attributes as the current nodes of the decision tree.

关 键 词：决策树 变精度粗集 泛化能力 生成方法 特化 模型构造 分类能力 近似 生成过程 不一致性 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论] TP183[自动化与计算机技术—计算机科学与技术]