10.3321/j.issn:1002-8331.2005.10.051
训练集容量对决策树分类错误率的影响研究
数据挖掘算法必须在实际数据集上进行验证,而数据集容量是有限的,训练集比例过低会导致训练不足,训练集比例过高会导致算法评价过于乐观.针对训练集容量对评价效果的影响问题,对25个UCI数据集的不同比例训练集运用决策树算法C4.5,得出不同训练集容量对决策树分类错误率的影响关系.实验结果表明,训练集比例至少为50%时才能使分类错误率达到相对平稳.
可能近似正确模型、PAC、训练集、错误率
41
TP3(计算技术、计算机技术)
中国博士后科学基金60375005
2005-05-26(万方平台首次上网日期,不代表论文的发表时间)
共3页
159-161