基于VPRS的决策树算法中处理噪音数据的新方法

摘要：

噪音数据是影响决策树训练效率和结果集质量的重要因素.目前的树剪枝方法不能消除噪音数据对选择决策树测试节点属性的影响.为改变这种状况,基于变精度Rough集(VPRS)模型,提出了一个在决策树算法中处理噪音数据的新方法--预剪枝法,该方法在进行选择属性的计算之前基于变精度正区域求取属性修正的分类模式,来消除噪音数据的对选择属性以及生成叶节点的影响.利用该方法对基本ID3决策树算法进行了改进.分析和实验表明,与先剪枝方法相比,该方法能进一步减小决策树的规模和训练时间.

关键词：决策树、数据噪音、变精度Rough集(VPRS)、预剪枝

所属期刊栏目：25

分类号：TP311(计算技术、计算机技术)

资助基金：天津市教委资助项目020714

在线出版日期：2005-05-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：989-991