计算机科学 ›› 2008, Vol. 35 ›› Issue (1): 211-212.
• • 上一篇 下一篇
出版日期:
发布日期:
基金资助:
Online:
Published:
摘要： 单变量的决策树算法造成树的规模庞大，规则复杂，不易理解。本文结合粗糙集原理中的相对核及加权粗糙度的方法，提出了一种新的多变量决策树算法。通过实例表明，本文的多变量决策树方法产生的决策树比传统的ID3算法构造的决策树更简单，具有较好的分类效果。
关键词: 多变量决策树 粗糙集 相对核 加权粗糙度
Abstract: Decision Tree Algorithm in univariate tests caused large-scale, complex rules that are difficult to understand. Based on the rough sets theory of attributes reduction, the core of condition attributions and the Weighted roughness Of condition attributions
Key words: Multivariate decision tree, Rough sets, Relative core of attributes,Weighted roughness
. 一种多变量决策树方法研究[J]. 计算机科学, 2008, 35(1): 211-212. https://doi.org/
0 / / 推荐
导出引用管理器 EndNote|Reference Manager|ProCite|BibTeX|RefWorks
链接本文: https://www.jsjkx.com/CN/
https://www.jsjkx.com/CN/Y2008/V35/I1/211
Cited
首页