一种新的决策树归纳学习算法  

A NEW ALGORITHM OF DECISION TREE INDUCTION

作　　者：洪家荣[1] 丁明峰[1] 李星原[1] 王丽薇[1] 

机构地区：[1]哈尔滨工业大学计算机科学与工程系

出　　处：《计算机学报》1995年第6期470-474,共5页Chinese Journal of Computers

基　　金：国家自然科学基金

摘　　要：本文就示例学习的重要分枝—决策树归纳学习进行了分析与探讨，从示例学习最优化的角度分析了决策树归纳学习的优化原则，指出了以往的以ＩＤ３为代表的归纳学习算法所固有的缺陷，并提出了一种新的基于概率的决策树归纳学习算法ＰＩＤ．ＰＩＤ在扩展属性的选择上仍采用基于信息增益率的方法，但在树的扩展过程中，采用属性聚类的方法进行树的分枝合并．ＰＩＤ得到的决策树在树的规模和分类精度上都优于ＩＤ３．The algorithms for decision tree induction, are investigated, and their limitations are analyzed. A new probability-based algorithm of decision tree induction, PID, is presented. Similar to ID3, PID selects attributes according to information gain, but PID is able to merge branches by using probability-based clustering. The experimental results show that the recognition rate gained by PID is better than that by ID3.

关 键 词：决策树 归纳学习 算法 知识表示 

分 类 号：TP301.6[自动化与计算机技术—计算机系统结构] TP18[自动化与计算机技术—计算机科学与技术]