«上一篇/Previous Article|本期目录/Table of Contents|下一篇/Next Article»

常州大学学报(自然科学版)[ISSN:2095-0411/CN:32-1822/N]

卷:

期数:

2008年04期

页码:

56-59

栏目:

出版日期:

2008-12-25

文章信息/Info

Title:

Two Improvements to C41 5 Algorithm

作者:

乔增伟¹ ;  孙卫祥²

1. 江苏工业学院 信息科学与工 程学院, 江 苏 常 州 2131 64; 2.上海 交通大 学 振 动、 冲击、 噪声 国家重 点实 验室, 上 海 200240

Author(s):

Q IA O Zeng - w ei¹ ;  SU N Wei- x iang

1.School of Inform ation Science and Eng ineering , Jiangs u Po lytechnic U nivers ity, Chang zhou 213 164, China; 2. State Key Labo rato ry of V ibr ation, Shock & N o is e, Shanghai Jiaotong U niversity, Shanghai 200240, China

关键词:

决策树;  C41 5;  最优阈值;  增量式学习

Keywords:

decis ion tree;  C41 5;  optimal thresho ld;  incr em ental learning

分类号:

T P 3011 6

文献标志码:

A

摘要:

C41 5 作为一种重要的决策树算法尚存一些不足之处。 针对 C41 5 对于连续属性最优分割阈值选择比 较耗时的缺点, 基 于 Fayyad 边界点判定定理, 提出一种改进最优阈值选择方法。 针对 C4. 5 不具备增量式学习 能力的缺点, 在改造树结构体的基础 上, 提出 C41 5 增量学习 的改进方法。

Abstract:

As an important decision tree algorithm, C41 5 s til l has two disadvantages . One is that it is very time- consuming to find the optimal threshold of continuous attribute. The other is that C41 5 has no ability of incremental learning. Based on the boundary point theorem g iven by Fayy ad, an improv em ent method of s electing the optim al threshold is proposed to overcome the first dis advantage. A lso, after the m odification o f tree s tructur e of C41 5, an increm ental C41 5 algo rithm is put forward to solve the second pr oblem.

备注/Memo

备注/Memo:

作者简介: 乔增伟 ( 1978 - ) , 男 , 河南驻马店人, 硕士, 讲师, 研究方向 : 数据挖掘、 软件工程

常用功能

更新日期/Last Update: 2008-12-25