一种基于MMTD的决策树算法的研究

摘要：

决策树是一种常用的分类算法,自从ID3算法出现以来相关人员对该算法进行了不同程度的改进,由此出现了多种决策树算法.在决策树生成之时都采用递归算法来实现决策树结点的分裂,如果结点的信息增益越大,那么该结点被分裂的几率就越大.目前的ID3算法和C4.5算法中的信息增益成为结点是否被分裂的重要依据,因此根据决策树的结点进行分裂时信息增益所起作用的特点,论文提出了另外一种衡量信息增益大小的算法,该算法具有衡量公式以及核心算法——MMTD算法,论文的创新之处在于将MMTD算法在决策树中进行首次应用,并且在以MMTD为核心算法的基础之上,实现了对信息增益大小的衡量.

关键词：MMTD、决策树、信息熵、信息增益、ID3算法

所属期刊栏目：45

分类号：TP393(计算技术、计算机技术)

在线出版日期：2017-06-16（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：839-843