有效改进C5.0算法的方法
处理连续属性离散化是决策树分类方法中C5.0算法在创建决策树时对数据表示空间的简化的一个重要问题,采用合理有效的连续属性离散化方法可以提高创建决策树的分类预测精度.在分析C5.0算法的离散化方法的不足之处后,提出一种改进Chi2算法的方法,能更合理更准确地对连续属性进行离散化,在此基础上创建的决策树具有更好的准确率.实验结果表明,基于改进方法的C5.0算法创建的决策树分类模型具有较高的分类准确率.
决策树、离散化、Chi2算法、分类器、预测精度
30
TP18(自动化基础理论)
江苏省高校自然科学基础研究基金项目07KJD520216;徐州师范大学基金项目08XLB14
2010-01-22(万方平台首次上网日期,不代表论文的发表时间)
共4页
5197-5199,5203