决策树分类准确率极限的研究

摘要：

采用最大分类树作为分析经验风险与结构风险的工具,对决策树分类准确率极限进行了研究.针对决策树模型的分类效果难以客观评价的问题,讨论了决策树分类准确率极限的存在条件,给出了求出该极限的方法.以最大分类树作为分析工具,提出了在经验风险和结构风险4种分布条件下分类准确率极限是否存在的4个定理,并从机器学习理论和工程建模实践2个角度进行了讨论.实验验证了该理论的正确性.

关键词：决策树、分类准确率、极限、经验风险、结构风险

所属期刊栏目：33

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金60432010

在线出版日期：2007-06-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：222-224