決策樹(shù)ID3算法的研究和改進(jìn).pdf

1、論文首先對(duì)決策樹(shù)ID3算法的局限性進(jìn)行了分析，針對(duì)ID3算法傾向于選擇屬性值個(gè)數(shù)多的屬性、學(xué)習(xí)能力有限等缺陷，提出了基于屬性篩選模型的ID3算法。
　　改進(jìn)的ID3算法采用Filter過(guò)濾器模型和Wrapper包裝器模型兩種屬性篩選模型共同篩選屬性，然后基于以信息增益率為計(jì)算原理的決策樹(shù)C4.5算法對(duì)判定心理健康的數(shù)據(jù)集進(jìn)行分類預(yù)測(cè)并構(gòu)建決策樹(shù)。在Filter過(guò)濾器模型中，用信息增益對(duì)每一個(gè)屬性進(jìn)行評(píng)價(jià)，計(jì)算條件屬性與決策屬性之間

2、的相關(guān)性大小并進(jìn)行排序。對(duì)決策屬性作用較小的屬性可能依然存在，基于CFS算法使用對(duì)稱不確定方法去除不關(guān)聯(lián)屬性、冗余屬性。篩選出來(lái)的屬性子集用Wrapper包裝器模型二次篩選，其中用BP神經(jīng)網(wǎng)絡(luò)分類算法來(lái)評(píng)價(jià)子集的價(jià)值，以便獲得分類精度最高的屬性集合。
　　其次，通過(guò)對(duì)比實(shí)驗(yàn)驗(yàn)證改進(jìn)的ID3算法在決策樹(shù)的規(guī)模、分類預(yù)測(cè)精度，以及所提取出的分類規(guī)則的可理解性這三方面存在著優(yōu)勢(shì)。
　　最后，基于改進(jìn)的ID3算法從判定心理健康的數(shù)據(jù)