決策樹分類算法優(yōu)化研究.pdf

1、數據挖掘是指從數據庫中抽取隱含的、具有潛在使用價值信息的過程，是一種新型的數據分析技術，已被廣泛應用于金融、保險、政府、教育、運輸以及國防等領域。 數據分類是數據挖掘中一個重要的內容。分類存在很多方法，其中決策樹算法是以實例為基礎的歸納學習算法，以其易于提取顯式規(guī)則、計算量相對較小、可以顯示重要的決策屬性和較高的分類準確率等優(yōu)點而得到廣泛的應用。據統(tǒng)計，目前決策樹算法是利用最廣泛的數據挖掘算法之一。 然而在實際應用過程中

2、，現存的決策樹算法也存在著很多不足之處，如計算效率低下、多值偏向等。因此，進一步改進決策樹，提高決策樹的性能，使其更加適合數據挖掘技術的應用要求具有重要的理論和實際意義。 本文針對上述數據庫知識發(fā)現的不足，進行深入的研究，探索數據挖掘中決策樹分類的組合優(yōu)化算法，以便更好地提高分類的準確性。應用于實際工作中，主要研究工作如下： 首先，從宏觀上介紹了數據挖掘和分類技術的理論基礎，并重點對決策樹算法進行了分析和比較。

3、然后，提出了一種新的適合于高維數據庫的組合優(yōu)化決策樹算法。相比于傳統(tǒng)的分類算法，該算法從降維、屬性選擇、可擴展性和剪枝等方面進行了改進。其中最主要是提出基于加權屬性協調度并結合簡化預剪枝策略的決策樹算法-DTBAC算法，以及加強算法可擴展性的FAVC集。 最后，著重介紹了所研發(fā)的組合優(yōu)化決策樹分類器系統(tǒng)。它以DTBAC算法為核心算法生成分類器，并應用到醫(yī)學領域對病人進行分類。通過對比分析發(fā)現，DTBAC算法在總體性能上要優(yōu)于目前