數(shù)據(jù)挖掘中一種基于遺傳算法改進的ID3算法.pdf

1、隨著現(xiàn)代信息技術(shù)的迅速發(fā)展，許多領(lǐng)域都積累了大量的數(shù)據(jù)，對發(fā)現(xiàn)潛在于這些數(shù)據(jù)中的知識與規(guī)律的渴望造就了數(shù)據(jù)挖掘?qū)W科的興起及數(shù)據(jù)挖掘技術(shù)的發(fā)展。作為一個多學科交叉的綜合性領(lǐng)域，數(shù)據(jù)挖掘涉及了數(shù)據(jù)庫、統(tǒng)計學、機器學習、高性能計算、模式識別、神經(jīng)網(wǎng)絡(luò)和數(shù)據(jù)可視化話等學科。 決策樹算法是對一組已知示例進行歸納學習，并生成一顆決策樹的方法。該算法目前已經(jīng)被廣泛應用于自動知識獲取領(lǐng)域。最為典型的決策樹分類器學習算法是ID3算法，它采用自頂向

2、下分而治之的策略，利用信息增益的標準選擇分裂屬性，能保證構(gòu)造出一棵簡單的樹。該算法簡單高效，生成的知識易于被人理解，但是在面對大量的數(shù)據(jù)獲取的數(shù)據(jù)進行知識提取時存在著過度擬合的問題。在深入分析ID3算法的基礎(chǔ)上提出了基于遺傳算法改進的ID3算法并利用該算法對網(wǎng)絡(luò)上包含入侵的數(shù)據(jù)進行了建模。該算法首先將已有的知識的規(guī)則作為遺傳基因，進行進化，利用遺傳算法將現(xiàn)有的規(guī)則集進行了分割，然后再利用劃分的規(guī)則集生成決策樹群，之后利用決策樹群給出預測