模型决策树:一种决策树加速算法

摘要：

决策树算法采用递归方法构建,训练效率较低,过度分类的决策树可能产生过拟合现象.因此,文中提出模型决策树算法.首先在训练数据集上采用基尼指数递归生成一棵不完全决策树,然后使用一个简单分类模型对其中的非纯伪叶结点(非叶结点且结点包含的样本不属于同一类)进行分类,生成最终的决策树.相比原始的决策树算法,这样产生的模型决策树能在算法精度不损失或损失很小的情况下,提高决策树的训练效率.在标准数据集上的实验表明,文中提出的模型决策树在速度上明显优于决策树算法,具备一定的抗过拟合能力.

关键词：基尼指数、决策树(DT)、模型决策树、分类

所属期刊栏目：31

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61673249;山西省回国留学人员科研基金项目2016-004;赛尔网络下一代互联网技术创新项目NGII20170601

在线出版日期：2018-09-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：643-652