极小极大规则学习及在决策树规则简化中的应用  

MINIMAL AND MAXIMAL RULES LEARNING AND ITS APPLICATION TO SIMPLIFYING DECISION TREE RULES

作　　者：王军[1,2] 张庆杰[1,2] 李爽 史忠植[1,2] 

机构地区：[1]中国科学院计算技术研究所 [2]中央财经大学信息系

出　　处：《计算机研究与发展》1998年第9期806-809,共4页Journal of Computer Research and Development

基　　金：国家自然科学基金

摘　　要：文中在粗糙集理论中的约简概念的启发下提出了极小规则和极大规则的概念及极小极大规则学习．它可用于简化决策树归纳学习方法得到的规则．决策树方法是当前数据库知识发现中所采用的最有效的一种分类规则学习方法，因此本方法具有潜在的实用意义．实验结果表明采用极小极大规则学习简化决策树规则，既能简化单个规则，又能减少规则总的数量．The notions of minimal rule and maximal rule,especially the latter,are addressed in the light of the notion of reduction from rough set.And then a new learning algorithm called minimal and maximal rules learning is proposed.It can be used as a post processing to simplify the rules generated by decision tree induction,which currently is the most efficient classification method in KDD.The empirical result illustrates that the final decision tree rules simplified by the new method are considerably simpler than before.

关 键 词：机器学习 粗糙集 数据库 知识发现 决策树规则 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]