基于粗糙集理論的決策樹剪枝.pdf

1、數據挖掘(DM-DataMining)是運用基于計算機的方法，包括其它新技術，從大量的數據中搜尋有價值的、非同尋常的新信息的過程。 數據挖掘的核心技術算法主要有統(tǒng)計分析方法、神經網絡、決策樹方法、遺傳算法等。其中決策樹方法是一種廣泛使用的用于分類的方法，它通過一組無次序，無規(guī)則的實例推理出決策樹表示形式的分類規(guī)則，從而找到一些有價值的、潛在的信息。 目前很多決策樹構造方法得到的決策樹，都具有較好的精度，但是存在著計算量大

2、、泛化能力受限制的缺點，而粗糙集理論是由波蘭數學家Z.Pawlak提出的繼概率論、模糊集、證據理論之后的又一個處理不確定性知識的數學工具，近年來其有效性已在許多科學與工程領域的成功應用中得到證實?；诖?，決策樹分類方法引入粗糙集理論，本文通過理論分析和實驗驗證，得出基于粗糙集理論的決策樹分類方法取得了較好的結果。通過分析基于粗糙集理論的決策樹后剪枝方法，發(fā)現(xiàn)各種后剪枝方法存在只注重整體的缺點并提出了解決策略—基于葉結點的決策樹剪枝方法。

3、本文具體內容安排如下： 1決策樹構造簡單介紹決策樹，主要講述著名的決策樹構造方法ID3算法及由其改進并得到廣泛使用的C4.5算法。 2決策樹剪枝決策樹剪枝是提高決策樹的泛化能力、防止過匹配(over-fitting)現(xiàn)象的有效方法。剪枝策略有預剪枝和后剪枝，本文對六種后剪枝方法進行了分析。 3基于粗糙集理論的決策樹構造和剪枝方法粗糙集理論具有處理不確定性知識的能力，本章將粗糙集理論引入決策樹構造和剪枝方法以消除噪