基于粗糙集決策樹(shù)分類(lèi)算法的改進(jìn)與研究.pdf

1、數(shù)據(jù)挖掘就是在給定數(shù)據(jù)中發(fā)現(xiàn)數(shù)據(jù)之間的聯(lián)系的過(guò)程。目前，人們對(duì)數(shù)據(jù)挖掘方面的研究主要集中在聚類(lèi)、知識(shí)分析、決策支持等方面。分類(lèi)算法是數(shù)據(jù)挖掘核心技術(shù)之一，是當(dāng)前數(shù)據(jù)挖掘領(lǐng)域的一個(gè)研究熱點(diǎn)。同時(shí)，粗糙集作為一種研究數(shù)據(jù)表達(dá)歸納的重要方法，在數(shù)據(jù)挖掘、知識(shí)發(fā)現(xiàn)方面有著不可替代的作用。
　　傳統(tǒng)的基于區(qū)分價(jià)值的算法需要對(duì)全部候選測(cè)試屬性的取值進(jìn)行比較，決策樹(shù)規(guī)模較大，分類(lèi)精度不是很高。為了獲得更好的分類(lèi)效果，降低決策樹(shù)的規(guī)模，提高分類(lèi)精

2、度，本文對(duì)基于區(qū)分價(jià)值的屬性選擇判據(jù)的決策樹(shù)算法進(jìn)行了如下改進(jìn)：
　　首先，將粗糙集技術(shù)和決策樹(shù)理論結(jié)合起來(lái)，針對(duì)于傳統(tǒng)的基于區(qū)分價(jià)值的決策樹(shù)算法必須依次比較對(duì)象的區(qū)分價(jià)值，從而導(dǎo)致時(shí)間開(kāi)銷(xiāo)過(guò)大的問(wèn)題，提出了改進(jìn)算法一。該算法定義了“FI”和“SI”兩個(gè)參數(shù)，減少對(duì)象之間的比較次數(shù)，有效提升了時(shí)間性能，最終達(dá)到了縮小決策樹(shù)規(guī)模的目的。
　　其次，為了進(jìn)一步降低決策樹(shù)的規(guī)模，改進(jìn)單變量決策樹(shù)沒(méi)有充分考慮屬性間的相互關(guān)聯(lián)的不足，

3、引入了基于區(qū)分價(jià)值的多變量改進(jìn)算法二，該算法選擇“FI”里面參數(shù)I(a)（某屬性值上取值不同的個(gè)數(shù)）取值最大和次大的屬性作為多變量檢測(cè)屬性；若屬性集中“FI”為空，將“SI”中的屬性按區(qū)分價(jià)值排序，對(duì)屬性進(jìn)行分類(lèi)，進(jìn)一步改進(jìn)決策樹(shù)算法。
　　最后，在UCI數(shù)據(jù)庫(kù)的三個(gè)數(shù)據(jù)集上比較了基于ID3算法、建立在區(qū)分價(jià)值基礎(chǔ)之上的單變量的決策樹(shù)算法（改進(jìn)算法一）和建立在區(qū)分價(jià)值基礎(chǔ)之上的多變量決策樹(shù)（改進(jìn)算法二）三者的效果。通過(guò)實(shí)驗(yàn)我們發(fā)現(xiàn)