基于关联度的代价敏感决策树生成方法

摘要：

针对常用决策树生成方法中存在的缺点,通过引用属性关联度和代价敏感学习,利用粗糙集理论对条件属性进行约减.在构建决策树过程中,把属性的关联程度和性价比作为选择分裂结点的依据,利用改进的信息增益构建代价敏感决策树.试验结果表明,该方法在分类准确度和生成决策的结点总量上比常用决策树生成方法优越.

关键词：关联度、决策树、代价敏感、属性约简

所属期刊栏目：34

分类号：TP301(计算技术、计算机技术)

资助基金：山东省高等学校科技计划基金资助项目J12LN55

在线出版日期：2013-07-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：218-222