基于決策樹的ID3算法的研究與改進(jìn).pdf

1、數(shù)據(jù)分類是數(shù)據(jù)挖掘中一個重要的內(nèi)容。常見的分類模型有決策樹、神經(jīng)網(wǎng)絡(luò)、遺傳算法、粗糙集等。其中決策樹算法是以實(shí)例為基礎(chǔ)的歸納學(xué)習(xí)算法，以其易于提取顯示規(guī)則、計算量相對較小、可以顯示重要決策屬性和較高的分類準(zhǔn)確率等優(yōu)點(diǎn)而得到廣泛的應(yīng)用。 論文從學(xué)習(xí)數(shù)據(jù)挖掘的基礎(chǔ)理論出發(fā)，重點(diǎn)介紹和研究了決策樹的ID3 算法，并分析了ID3算法存在的以下缺點(diǎn)：1、ID3不能處理連續(xù)性數(shù)據(jù)。2、ID3算法在選擇分裂屬性時傾向于選擇屬性值多的屬性。3、

2、計算效率低。 針對以上的缺點(diǎn)，論文的主要工作體現(xiàn)在以下幾個方面： 第一、歸納了數(shù)據(jù)挖掘技術(shù)的總體研究情況，包括數(shù)據(jù)挖掘的定義，挖掘的主要過程和主要技術(shù)手段等。 第二、從宏觀上介紹了分類技術(shù)的理論基礎(chǔ)，對幾種常見決策樹算法進(jìn)行了分析和比較，例如ID3、C4.5、CART 算法，并重點(diǎn)分析了決策樹的ID3算法。 第三、論文對決策樹算法進(jìn)行了優(yōu)化研究，提出了一種改進(jìn)的ID3 算法，改進(jìn)的算法與決策樹的ED(Ef