基于决策树的多维属性自动推理识别

摘要：

现有的决策树分类在属性识别的应用中存在一定的不足,如样本数据属性类别必须事先已知,无法做到自动推理等.针对以上不足,本文提出一种基于决策树的多维属性自动推理的机器学习识别模型.通过引入属性相似度度量策略和机器学习的方法,实现多维属性的自动推理和识别.实验结果表明,该模型能有效地对多维属性进行自动分类,准确率达到93%左右,且识别的最终得分score均在0.71以上,能很好地满足属性自动识别的需求.

关键词：决策树分类、多维属性、自动推理、相似度度量策略、机器学习

分类号：TP274.3(自动化技术及设备)

在线出版日期：2017-03-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：83-87,97