基于不平衡數(shù)據(jù)集的決策樹算法研究.pdf

1、隨著數(shù)據(jù)挖掘技術(shù)的不斷發(fā)展和應(yīng)用，決策樹作為數(shù)據(jù)挖掘技術(shù)中的一個(gè)分類問題的解決策略，也越來越受到重視，并被不斷的研究。目前研究決策樹的算法很多，比較著名的有ID3算法、C4.5算法和CART算法等。這些傳統(tǒng)的算法在構(gòu)建決策樹時(shí)，都是以數(shù)據(jù)集的類分布大致平衡為前提條件的，不能對(duì)少數(shù)類樣本做出有效的識(shí)別。在不平衡數(shù)據(jù)集中，少數(shù)類樣本成為主要應(yīng)用和研究的對(duì)象，因此基于傳統(tǒng)決策樹算法設(shè)計(jì)的分類器就完全失去實(shí)際意義。研究新的方法來解決這一問題變得

2、非常迫切。
　　本文簡(jiǎn)單介紹了數(shù)據(jù)挖掘的相關(guān)知識(shí)，研究了目前的分類技術(shù)，以及常用的分類算法。通過對(duì)不平衡數(shù)據(jù)集的研究，發(fā)現(xiàn)傳統(tǒng)分類算法無法有效解決不平衡數(shù)據(jù)集分類問題，并分析了產(chǎn)生這種情況的原因。本文基于對(duì)決策樹技術(shù)的學(xué)習(xí)和研究，提出一種新的針對(duì)不平衡數(shù)據(jù)集分類問題的決策樹算法-類置信度比例決策樹算法，通過對(duì)信息增益的描述驗(yàn)證了新算法是健壯的。新算法采用了類置信度比例作為度量。同時(shí)通過一個(gè)新穎而有效的自上而下和自下而上的方法，用F