CART决策树的两种改进及应用

摘要：

利用Fayyad边界点判定原理对CART决策树选取连续属性的分割阈值的方法进行改进，由Fayyad边界点判定原理可知，建树过程中选取连续属性的分割阈值时，不需要检查每一个分割点，只要检查样本排序后，该属性相邻不同类别的分界点即可；针对样本集主类类属分布不平衡时，样本量占相对少数的小类属样本不能很好地对分类进行表决的情况，采用关键度度量的方法进行改进。基于这两点改进构建CART分类器。实验结果表明，Fayyad边界点判定原理适用于CART算法，利用改进后的CART算法生成决策树的效率提高了近45％，在样本集主类类属分布不平衡的情况下，分类准确率也略有提高。

关键词：决策树、CART算法、分割阈值、Fayyad边界点判定定理、关键度度量

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家973重点基础研究发展计划基金项目2013CB328903-2

在线出版日期：2015-05-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1209-1213