基于類分度的一種新決策樹算法的研究.pdf

1、數(shù)據(jù)挖掘是從大量數(shù)據(jù)庫記錄中挖掘出有價值的模式或有規(guī)律等知識的復雜過程，已被廣泛應用于金融、保險、運輸及國防等科學研究領(lǐng)域。其中決策樹分類算法是數(shù)據(jù)挖掘中最為廣泛研究和應用的一個課題，是一種有效的數(shù)據(jù)挖掘分類方法，那么，進一步提出更好的分類算法或改進現(xiàn)有的決策樹算法，需要許多研究學者的共同努力。提高決策樹的性能，使其更好的適應數(shù)據(jù)挖掘技術(shù)的發(fā)展要求，具有重要的理論和實踐意義。所以，研究決策樹分類算法具有很高的理論意義和應用價值。

2、　　本文對測試屬性選擇標準進行了深入的研究，主要包括以下幾個方面的內(nèi)容：
　　首先，通過對文獻中提出的類別因子原理的分析和深入的剖析研究，提出了基于類分度的決策樹算法。該算法能夠很好的構(gòu)建決策樹，不僅執(zhí)行時間效率好，而且有很好的分類能力。
　　其次，當多個屬性的類分度相等的時候，我們該如何選擇一個最佳的屬性作為當前的節(jié)點屬性，為了解決這一問題，我們通過實驗數(shù)據(jù)的例證，從實驗結(jié)果中，得到如何區(qū)分屬性間分類能力的差異性，提出了優(yōu)