決策支持系統(tǒng)中的模型選擇研究——決策樹分類算法.pdf

1、隨著計算機科學與技術的發(fā)展，計算機被應用到各行各業(yè)。決策支持系統(tǒng)(DecisionSupport System，簡稱DSS)越來越被人們重視，決策支持系統(tǒng)的模型系統(tǒng)也同樣受到人們越來越多的重視。
　　 早期決策支持系統(tǒng)的模型系統(tǒng)將模型作為數(shù)據(jù)或子程序存儲，并采用類似數(shù)據(jù)管理的辦法對模型進行管理。隨著決策問題日益復雜化和支持知識處理的需要，這種簡單的模型系統(tǒng)已不能適應新的決策需求。
　　 近年來，在模型選擇方法和模型選擇知

2、識處理等方面取得了一些進展。但因為模型選擇是一個比較困難的問題，至今這方面的成果還很有限，絕大多數(shù)研究成果還不能實現(xiàn)自動模型選擇，而是依靠專家經(jīng)驗進行選擇。基于這種情形，研究模型的自動選擇具有一定的理論價值和深遠的意義。
　　 本文對典型決策樹分類算法進行研究后，針對規(guī)則生成方法對決策樹算法進行了改進。在屬性的信息熵和信息增益的計算公式中加入一個根據(jù)專家的先驗知識和領域知識而定義的平衡度系數(shù)，將其加權和變?yōu)榧訖嗪团c系數(shù)的和，從而

3、可以增加某些屬性的信息熵，相應的降低其他屬性的信息熵。用改進后的決策樹算法建立的決策樹比原決策樹更緊湊、簡單，這不但可以加快決策樹的生長，而且可以得到結構比較好的決策樹，以便從中挖掘出更有價值的規(guī)則信息。
　　 文章最后通過建立某大型超市決策模型對改進后的決策樹算法進行實例分析，并依據(jù)UCI公共數(shù)據(jù)庫中的4個標準數(shù)據(jù)集為數(shù)據(jù)源，對建立的決策樹模型進行了模擬仿真測試。實驗證明，改進算法在基本上不改變原來算法預測精度的基礎上，建立的