基于變精度粗糙集的決策樹分類算法研究.pdf

1、數(shù)據(jù)挖掘自上世紀80年代后期出現(xiàn)以來,經(jīng)過二十多年的發(fā)展,現(xiàn)在已成為機器學(xué)習(xí)和人工智能這兩大熱門領(lǐng)域的重要研究內(nèi)容。特征屬性提取、冗余屬性約簡、分類精度和算法效率的提高以及相關(guān)算法針對某特定領(lǐng)域或背景的改進和應(yīng)用都是目前數(shù)據(jù)挖掘的研究重點。在數(shù)據(jù)挖掘的所有方法中,決策樹分類算法以其計算量小、容易理解、運行結(jié)果直觀易懂等優(yōu)點,受到眾多學(xué)者關(guān)注。所以,本文通過對相關(guān)領(lǐng)域現(xiàn)有算法的深入研究,針對屬性約簡和決策樹分類存在的不足,做出相應(yīng)的改進,

2、并選擇多個UCI數(shù)據(jù)集做對比實驗,取得不錯的效果。具體來說,主要研究內(nèi)容包括以下三個方面:
　　 (1)在進行屬性約簡時,現(xiàn)有算法所采用的重要屬性選擇標準傾向于選擇取值個數(shù)較多的屬性,而沒有考慮屬性取值的有效性。因此,本文提出了一種新的重要屬性選擇標準,該標準使用了支持度對屬性的有效取值進行統(tǒng)計,并將有效取值個數(shù)和β逼近精度綜合作為衡量屬性重要性的標準。
　　 (2)本文針對現(xiàn)有決策樹分類算法存在的對噪聲數(shù)據(jù)敏感和分裂屬

3、性選擇困難等不足,結(jié)合變精度粗糙集能夠容忍噪聲數(shù)據(jù)的優(yōu)點,提出了一種新的分裂屬性選擇標準,該標準從變精度明確區(qū)和信息論的角度進行綜合考慮,使得改進算法構(gòu)造的決策樹既能有效抵抗噪聲數(shù)據(jù)又具有較高的正確分類率。另外,通過引入置信度和支持度的概念實現(xiàn)在決策樹構(gòu)建過程中的預(yù)剪枝,可以有效降低樹的規(guī)模；將匹配度應(yīng)用到對測試數(shù)據(jù)的類標號預(yù)測中,提高分類精度。
　　 (3)將經(jīng)過屬性提取、數(shù)據(jù)預(yù)處理等步驟的冠心病中醫(yī)診療病例作為實驗數(shù)據(jù)。首先