基于属性纯度的决策树归纳算法

摘要：

基于粗糙集的决策树算法由于粒化冲突与噪声影响容易导致特征选择的失效.提出属性纯度并结合属性依赖度来构建决策树归纳算法.采用统计集成策略来建立属性纯度,表示决策分类关于条件分类的识别性,并用于相应的属性特征选择;分析属性纯度与属性依赖度的同质性和异态性,采用先属性依赖度后属性纯度选择节点的方法,改进基于粗糙集的决策树算法.决策表例分析与数据实验对比均表明所提算法的有效性与改进性.

关键词：粗糙集、决策树、属性依赖度、属性纯度、特征选择、机器学习

所属期刊栏目：42

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金项目;四川省科技计划基金项目;四川省青年科技基金项目

在线出版日期：2021-01-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：142-149