基于變精度Rough集的決策樹改進算法.pdf

1、機器學習是讓計算機模擬和實現(xiàn)人類學習的過程，目的是自動獲取知識。機器學習在人工智能的研究中具有十分重要的地位。歸納學習方法在機器學習中是一種重要的學習方法。作為歸納學習方法的一種，建立決策樹的方法被廣泛地應用于機器學習的過程之中。本文研究一種基于變精度Rough 集思想的決策樹改進算法，其基本特征是把數(shù)據預處理(屬性近似約簡)和決策樹建立(屬性結點選擇)統(tǒng)一在整體框架之內，從而達到在大量數(shù)據中有效提取規(guī)則的要求。本算法主要分為兩個步驟。

2、首先提出條件屬性關于決策屬性約束度概念。通過計算約束度對條件屬性進行近似約簡。其次提出基于變精度Rough集的條件屬性關于決策屬性關聯(lián)度概念。通過各條件屬性的關聯(lián)度進行決策樹結點的選擇，從而完成決策樹的建樹過程。與經典的ID3算法相比，在理論分析方面，本文研究了屬性關聯(lián)度與信息熵之間關系，從某種意義上將兩種算法進行適當比較；在實驗分析方面，通過兩組通用數(shù)據，對本文提出的改進算法進行了模擬實驗。實驗結果表明，改進算法在建立決策樹所用的時間