一种新的增量决策树算法

摘要：

对于数据增加迅速的客户行为分析、Web日志分析、网络入侵检测等在线分类系统来说,如何快速适应新增样本是确保其分类正确和可持续运行的关键.该文提出了一种新的适应数据增量的决策树算法,该算法同贝叶斯方法相结合,在原有决策树的基础上利用新增样本迅速训练出新的决策树.实验结果表明,提出的算法可以较好的解决该问题,与重新构造决策树相比,它的时间开销更少,且具有更高的分类准确率,更适用于在线分类系统.

关键词：决策树、增量学习、估计概率、数据挖掘

所属期刊栏目：29

分类号：TP18(自动化基础理论)

在线出版日期：2009-02-24（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：85-87