基于粗糙集合理论的决策树生成  

Decision Tree Generation Based on Rough Set Theory

作　　者：谢志鹏[1] 张 卿[1] 刘宗田[2] 

机构地区：[1]合肥工业大学微型计算机应用研究所,合肥230009 [2]上海大学计算机学院,上海201800

出　　处：《计算机工程与应用》2000年第11期26-28,共3页Computer Engineering and Applications

基　　金：国家自然科学基金资助!(编号69985004).

摘　　要：决策树算法是一种采用分治策略的自顶向下的归纳算法,传统的决策树算法往往是基于信息论度量的.文章以粗糙集合理论中的区分观点为基础,提出了两种新型的属性选择判据：区分度和区分价值.实验结果表明,采用区分价值的属性选择策略所生成的决策树要明显优于基于熵的属性选择策略.： Decision tree algorithm is a kind of top－down induction algorithm using divide－and－conquer strategy,which traditionally is based on information theory measure.Based on the rough set theory,this paper presents two new criteria for attribute selection,discern degree and discern value.Experimental results indicate that the attribute selection criteria based on discern value is some better than the one based on entropy．

关 键 词：决策树 粗糙集合理论 学习算法 知识发现 

分 类 号：O225[理学—运筹学与控制论] TP18[理学—数学]