基于依赖决策熵的决策树分类算法

摘要：

针对传统的基于信息熵的决策树算法所存在的问题,本研究从粗糙集理论的角度来考虑信息熵,定义了依赖决策熵的概念,并提出一种基于依赖决策熵的决策树算法DTDDE.在DTDDE算法中,采用依赖决策熵的概念来度量每个条件属性的重要性,并选择重要性最大的属性作为当前的分离属性.通过在多个UCI数据集上的实验表明:与现有的决策树算法相比,本研究所提出的算法能够获得更好的分类性能.

关键词：决策树、信息熵、粗糙集、依赖决策熵、属性重要性

所属期刊栏目：37

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金项目60802042,61273180;山东省自然科学基金项目ZR2011FQ005,ZR2012FL17;山东省高等学校科技计划项目J11LG05

在线出版日期：2017-01-08（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：687-692