一種改進(jìn)的分類算法及其應(yīng)用.pdf

1、目前，高校教師資源管理缺乏技術(shù)理論支撐，導(dǎo)致師資管理不當(dāng)，師資流失嚴(yán)重，急需能夠正確分析教師類型與流失原因的分類系統(tǒng)，從而能夠?yàn)橄嚓P(guān)管理人員提供及時(shí)地、有針對(duì)性地決策依據(jù)。 分類技術(shù)中常見的是決策樹方法，常見的有ID3，C4.5，SLIQ，Sprint，Public等，其關(guān)鍵問(wèn)題在于測(cè)試屬性的選擇。為了找出真正影響決策的屬性，減小決策樹的規(guī)模，引入了基于屬性相似度的分類算法，該算法是根據(jù)相似性原理，以測(cè)試屬性和決策屬性的相似度作

2、為啟發(fā)規(guī)則構(gòu)建決策樹的分類算法，其選擇測(cè)試屬性的計(jì)算速度比ID3算法更快。然而，基于屬性相似度的分類算法在屬性的選擇上傾向于選擇取值較少的屬性，結(jié)果通常會(huì)增加樹的深度；在構(gòu)建決策樹過(guò)程中，此算法不需要重新計(jì)算相似度，容易降低分類的精確度。 針對(duì)基于屬性相似度的分類算法存在的問(wèn)題，在使用屬性相似度作為屬性選擇依據(jù)的基礎(chǔ)上，對(duì)其相似度的計(jì)算方法做了修改。改進(jìn)思路是：判斷每個(gè)屬性的取值分布，如果一個(gè)屬性取某個(gè)值的所有記錄都屬于一個(gè)決策

3、類型，則認(rèn)為從該屬性能直接判斷類屬性取值的能力較強(qiáng)，應(yīng)該在原相似度計(jì)算方法的基礎(chǔ)之上提升該屬性的相似度，從而選擇相似度高的屬性作為測(cè)試屬性，盡量避免選擇取值較少的屬性，在每分割一次數(shù)據(jù)集之后，重新計(jì)算相似度。為了避免出現(xiàn)過(guò)度擬合現(xiàn)象，采用剪枝技術(shù)修整決策樹。 采用SQLSERVER數(shù)據(jù)庫(kù)，使用VC＃.net開發(fā)工具，應(yīng)用改進(jìn)的決策樹算法，開發(fā)了師資流失原因分析系統(tǒng)，用于挖掘教師的各特征取值和流失原因之間的潛在關(guān)系，通過(guò)分析教師數(shù)