基于決策樹ID3算法的改進研究.pdf

1、數(shù)據(jù)挖掘是利用分析工具從大量的、有噪聲的、模糊的、不完全的、隨機的數(shù)據(jù)中，提取出隱含在其中、事先未知、但又潛在有用的知識和信息的過程，建立數(shù)據(jù)間關(guān)系模型，并用其做出預(yù)測。分類挖掘是數(shù)據(jù)挖掘中最重要的技術(shù)之一，是數(shù)據(jù)挖掘中的一個重要課題，而分類技術(shù)中的決策樹方法又是重點研究的方向。它能夠直接體現(xiàn)數(shù)據(jù)的特點，便于理解，具有較好的分類預(yù)測能力，并能方便提取決策規(guī)則。
　　目前，很多學(xué)者已經(jīng)提出了許多利用決策樹對大規(guī)模數(shù)據(jù)集進行分類的算法

2、，其中以Quinlan于1986年提出的ID3算法最為典型。該算法有兩大主要缺點：1、算法往往偏向于選擇取值較多的屬性，而屬性較多的屬性卻不總是最優(yōu)的屬性。2、ID3算法只能處理離散屬性，對于連續(xù)型的屬性，在分類前需要對其進行離散化。
　　為了解決這些問題，本文使用增益比率的概念和將連續(xù)屬性的取值分區(qū)成兩個區(qū)間的方法，在ID3算法的基礎(chǔ)上提出了改進算法，并用Java這種完全面向?qū)ο蟮母呒壵Z言實現(xiàn) ID3算法及改進算法，通過仿真實驗