决策树剪枝加强的关联规则分类方法

摘要：

传统关联规则挖掘在面临分类决策问题时,易出现非频繁规则遗漏、预测精度不高的问题.为得到正确合理且更为完整的规则,提出了一种改进方法DT-AR(decision tree-association rule algorithm),利用决策树剪枝策略对关联规则集进行补充.该方法利用FP-Growth(frequent pattern growth)算法得到关联规则集,利用C4.5算法构建后剪枝决策树并提取分类规则,在进行置信度迭代筛选后与关联规则集取并集修正,利用置信度作为权重系数采取投票法进行分类.实验结果表明,与传统关联规则挖掘和决策树剪枝方法相比,该方法得到的规则在数据集分类结果上更准确.

关键词：数据挖掘、决策树剪枝、关联规则分类、数据分类

所属期刊栏目：59

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61906202

在线出版日期：2023-03-16（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：87-94