基于知识粗糙度的决策树生成方法  

A Knowledge Roughness Based Approach to Decision Tree Construction

作　　者：路红梅[1] LU Hong-mei （Department of Artificial intelligence and Datamining, Suzhou College, Suzhou 234000,China）

机构地区：[1]宿州学院人工智能与数据挖掘研究室,安徽宿州234000

出　　处：《电脑知识与技术》2007年第9期1412-1412,1442,共2页Computer Knowledge and Technology

基　　金：安徽省教育厅自然科学基金项目（2006kj091B）

摘　　要：决策树是一种重要的数据分类方法,测试属性的选择直接影响到决策树中结点的个数和深度,本文提出了一种基于知识粗糙度的方法。通过比较我们发现：在决策树的构造上,粗集理论中知识粗糙度的方法计算量较小,构造的决策树比经典ID3算法简洁,并且具有较高的分类精度。Decision Tree is one of the most important method for datamining,the choice of testing attribute will touch the depth and nodes of decision tree, In this paper we bring forward a new approach to decision tree construction based on knowledge roughness , By comparation we find that the new method has less compute capacity and constructed decision tree is concision with higher classify precision.

关 键 词：决策树 粗糙集 知识粗糙度 

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