决策树
- 基于多源数据汇集和决策树的满意度提升技术
多源数据汇集和决策树的满意度提升技术，利用满意度决策树模型，对多IT系统和多渠道来源的满意度数据进行了归一化处理和融合。提出满意度智能计算模型，为满意度管理、预警、智能微调及自动纠错提供计算基础。引入剪枝优化的记忆化搜索算法，对满意度数据进行智能纠错。通过建立分层次、多角度、全方位的满意度管理模式，有效提升IT系统服务满意度，具有广泛的应用前景。关键词：多源数据汇集；剪枝优化；智能纠错；内部满意度；决策树中图分类号：TP39 文献标识码：A 文章编
现代信息科技 2023年13期2023-09-14
- 地震信号中干扰噪声自动识别算法
，文章提出一种决策树联合YOLOv5的噪声识别检测方法，实验数据表明，该方法对于干扰噪声识别具有很好的检测效果，干扰噪声识别精确率达到94.6%。关键词：决策树；神经网络；计算机视觉；噪声检测中图分类号：TP311 文献标识码：A 文章编号：2096-4706（2023）14-0080-05Automatic Identification Algorithm for Interference Noise in Seismic SignalsWU
现代信息科技 2023年14期2023-09-06
- 不平衡条件下基于WGAN-DT的变压器故障诊断研究
生成对抗网络与决策树相结合的WGAN-DT故障诊断技术。结果表明，样本平衡时，采用WGAN-DT模型在测试集上的故障诊断准确度高达96.00%。关键词：变压器；故障诊断；不平衡数据；生成对抗网络；决策树中图分类号：TP39；TM432 文献标识码：A 文章编号：2096-4706（2023）12-0043-05Research on Transformer Fault Diagnosis Based on WGAN-DT under Unbalanced
现代信息科技 2023年12期2023-08-21
- 基于大数据决策树的学生成绩分析和预测模型设计
研究基于大数据决策树的学生成绩预测模型，根据学生学习状态，间接建立成绩预测系统，以解决学生成绩预测困难、模型复杂等问题，通过研究发现，基于大数据决策树系统预测学生成绩精准率达到94%，对学生成绩的监控极为有利，而且也可预测学生成绩的提升。关键词：大数据；决策树；学生成绩；预测模型近年来，随着我国高校教学、学生与科研等数据不断积累，数据挖掘技术被广泛应用于各个行业，教育数据挖掘也成了越来越多专家学者的关注和研究方向。尤其是2017年在武汉召开的第十届国际教育
中国新通信 2023年9期2023-07-25
- 基于机器学习和生长预测的森林固碳分析和多目标规划管理策略
M；神经网络；决策树；生长预测；二次回归；多目标规划1 概述本文建立了一个基于机器学习和生长预测的森林固碳分析模型，并选取了福建省三明市将乐国有林场相关杉木资源数据，以预测误差作为指标，利用三种机器学习算法：SVM支持向量机、神经网络和决策树对不同年龄阶段的杉木生物量进行预测，选择预测误差最小的机器学习算法并对预测的数据进行拟合，得到生长方程。结合稳定灵活的IPCC方法，计算了森林的固碳量。然后，使用“吨年”的概念，定义林产品的碳贡献率，以获得林产品的储碳
科技风 2023年19期2023-07-17
- 基于Logistic回归与决策树的心脏病确诊因素分析
stic模型和决策树模型分析确诊心脏病的危险因素。采用ROC曲线和AUC面积作为标准来评价模型预测效果，结果显示两种模型对于数据的拟合都表现不错。与此同时两种模型显示胸痛类型、静息血压、荧光染色法测定的主要血管数和是否患地中海贫血症对于最终是否确诊心脏病有显著影响。关键词：逻辑回归；决策树；logistic模型中图分类号：TP391；O212.1 文献标识码：A 文章编号：2096-4706（2023）07-0117-04Abstract： By
现代信息科技 2023年7期2023-06-25
- 基于决策树的京津冀地区Landsat图像分类
热点。文章采用决策树分类技术，将京津冀地区作为研究区，结合京津冀地区土地覆被的分类特征，建立一套符合京津冀地区的图像分类体系。以Landsat 8数据为原始数据，基于不同类型的光谱特征构建决策树模型，获取研究区地表覆被分类结果，所得结果直观地反映了京津冀地区土地覆被的分布特征。关键词：决策树；分类；遥感影像中图分类号：TP751 文献标识码：A 文章编号：2096-4706（2023）05-0041-04Landsat Image Classifi
现代信息科技 2023年5期2023-06-22
- 基于数据挖掘的违规短信自动识别算法设计
算法设计，通过决策树分类算法技术进行违规短信判决，构建违规短信自动识别算法模型，设计模型系统的架构生成、指标属性以及工作流程。实验分析，利用基于数据挖掘技术的违规短信自动识别算法准确率虽存在一定的波动性，违规短信自动识别的准确率为96.42%，但能够较好地识别疑似违规短信，实现有效识别与控制违规短信用户，高效治理违规短信现象的终极目标。关键词：数据挖掘；决策树；违规短信；信息自动识别中图分类号：TP311 文献标志码：A0 引言短信属性自动识别是维护信息
无线互联科技 2023年3期2023-06-15
- 基于云边协同的决策树并行化设计
基于云边协同的决策树并行化设计，根据连续属性离散化判断分裂属性，在属性确认之后建立决策树；其次对并行化设计内的数据进行预处理，构建决策树整体并行流程；最终实现数据的实时分析与智能处理。对比试验表明，基于云边协同的决策树算法连续属性离散化的优化，在保证准确率的基础上，能有效地缩短运算时间，提高算法的运算速度。关键词：云边协同；决策树；并行化；边缘算法；属性相似度；数据处理中图分类号：TP3 文献标志码：A0 引言网络的数据挖掘一般使用决策树算法进行数据处理
无线互联科技 2023年2期2023-06-15
- 大学生学业表现对于就业去向的影响研究
人工神经网络、决策树和贝叶斯网络等算法，得出学生学业表现的不同对学生选择具体行业以及职位时有一定的影响。相关研究成果对于高校专业培养模式改革及学生引导有一定的参考价值。关键词： 教育数据挖掘； 学业表现； 就业去向； 神经网络； 决策树； 贝叶斯网络中图分类号：TP391.1 文献标识码：A 文章编号：1006-8228（2023）04-86-05Abstract： The factors influencing the empl
计算机时代 2023年4期2023-04-13
- 基于决策树的高校招生宣传策略研究
常赛关键词：决策树；招生宣传；宣传策略；个性化1 引言2014年9月国务院印发了《国务院关于深化考试招生制度改革的实施意见》，是进一步深化改革，促进教育公平，提高人才选拔水平的重要举措。该意见提出要形成分类考试、综合评价、多元录取的考试招生模式，健全促进公平、科学选才、监督有力的体制机制[1]。如何能够保证公平公正地录取到更多高素质人才，一直是各高校招生部门的工作重点，而招生宣传则是其中的核心环节。我国高校招生扩招从1999年开始，录取率首次突破50%，随
电脑知识与技术 2023年4期2023-03-24
- 基于组合预测模型的商业银行个人信贷风险预测
BP神经网络和决策树构建线性组合预测模型。结果显示，构建的组合模型在个人信用风险预测准确率和第一类误判率表现上优于3种单一模型，并且模型具有较好的泛化稳健性。关键词：组合预测模型；Logistic回归；BP神经网络；决策树中图分类号：F832.33 文献标志码：A 文章编号：1673-291X（2022）35-0069-04商业银行是金融系统的重要组成部分，其信用风险治理能力不仅关系自身运营和大众利益，更影响经济社会健康运转。个人信贷风
经济研究导刊 2022年35期2023-01-06
- 基于临床实践指南决策树的设计与思考
。本文通过介绍决策树模型，简述将文本化指南转化为结构化决策树的方法学步骤，旨在为临床医生呈现清晰明确的指南推荐意见，推动指南在临床实践中的实施和应用。1 决策树概述决策树是指通过建立可视化的结构图将每一个决策与对应的结果连接起来，提供在不确定性条件下的决策框架[6]。决策树是由根节点、决策节点、分支以及叶子节点构成。决策树的根节点表示决策树的名称，是整个决策树的开始；决策节点，表示一个决策过程中所要测试的属性；分支表示测试的结果，不同的属性值可形成不同的分
协和医学杂志 2022年6期2022-12-05
- “互联网+”教育背景下网课学习效果评价的决策树建模
归，进而出建立决策树模型，对学生的网课学习效果进行一个大致评价。关键词：“互联网+”；MOOC在线学习平台；ID3算法；决策树一、引言在面临着疫情的突发情况，我国大多数大学生在家通过网络平台进行学习交流，近年来，在线教育平台得到了快速的发展，但如何评价学生在线学习效果的问题一直没有得到有效的解决。针对这个问题，本次研究学生利用网络平台进行学习时效果欠佳是由于观看视频过程中哪一个或者几个行为共同影响导致。本次研究以江西财经大学计量经济学课程为研究对象，运用I
中国新通信 2022年16期2022-11-22
- 基于CNN-LG模型的窃电行为检测方法研究
提取特征输入以决策树为基学习器的轻梯度提升机（LG）分类器对数据进行训练，据此建立基于卷积神经网络轻梯度提升机模型的窃电行为检测方法.采用基于卷积神经网络轻梯度提升机模型对国家电网和爱尔兰智能能源径（ISET）数据集分别进行窃电行为检测.实验结果表明，本文提出方法可快速准确实现电网中各类窃电行为检测，相比于现有检测方法具有更高准确度、更优泛化性能和实时性.关键词：窃电；决策树；用电数据；卷积神经网络；轻梯度提升机中图分类号：TM715文献标志码：ARese
湖南大学学报·自然科学版 2022年8期2022-11-14
- 高职院校招生管理分析与优化策略
——基于“决策树”的模型分析
进行分析，建立决策树模型，提出在高职院校招生过程中，应将招生重点从数量转为质量；［7］梁健通过关联规则对某高职院校招生数据进行分析和挖掘，提出了基于关联规则的高职招生信息分析方法和算法设计，找出了影响招生效果的相关因素，从而保证后续招生工作的合理性，防止高职院校盲目招生的问题；［8］孙亚梅以大数据时代为背景，分析了信息化招生管理模式的建设策略，力求合理利用高新技术，改善招生工作。国外的职业教育蓬勃发展，在招生模式上，与我国有很大差异。［9］日本要求学生注册
晋城职业技术学院学报 2022年4期2022-08-10
- 基于决策树和人工神经网络的学生在线答题正确性影响因素研究
eler，使用决策树和人工神经网络两种统计分析方法，对影响学生答题正确性的平均知识水平、平均粗心程度、行为总数、专注度、沮丧、钻系统的空子这6个因素进行了分析。结果显示：平均知识水平对平均正确性的影响最大，平均粗心程度次之。研究成果将为学生学习行为的改进和老师教学方法的完善提供理论依据与指导。关键词：SPSS Modeler 决策树 人工神经网络 答题正确性 影响因素中图分类号：G434 文献标识码：A 文章编号：
科技资讯 2022年14期2022-07-01
- 决策树模型与logistic回归探究大学生入党意愿自身影响因素及结果预测
大的因子。利用决策树CHAID模型，预测大学生是否打算在大学期间入党。实验结果显示，政治面貌是大学生是否入党的第一要素，其次是日后期望工作单位。成绩排名与是否取得奖励和荣誉也是重要的影响因素，成绩排名越靠前或已经取得荣誉或奖励意愿入党的概率越高。CHAID模型通过交叉测试的预测准确率为73.3%，高于随机的50%，具有现实性意义。另外，除了自身相关因素外，还有家庭、学校、社会等环境影响。在大学生自身意愿的前提下，外界的积极引导同样重要。关键词：决策树;数据
电脑知识与技术 2022年8期2022-06-03
- 决策树在大学外语等级考试成绩分析中的应用
据为基础，利用决策树模型挖掘出影响考试成绩的关键因素，为高校进一步提高大学外语教学水平提供科学有效的参考。关键词：大学外语等级考试;成绩;决策树中图分类号：G424.74 文献标识码：A 文章编号：1674-2346（2022）01-0096-051 大学外语等级考试成绩分析的意义大学外语等级考试是教育部考试中心负责实施的全国性的教学考试，目的在于对高校学生实际外语应用能力进行客观、准确的测
浙江纺织服装职业技术学院学报 2022年1期2022-06-02
- 基于决策树的代码异味优先级评估
方法，结合优化决策树算法建立模型，对代码异味的重构优先级进行面向开发人员的排名，并在实证研究中评估了该模型，以模型可解释性方法对特征的重要性进行评估，给出了相关影响较高的特征.结果表明，该模型的F1值为89%，分别较基线值和最新研究成果高出25%和5%.关键词： 代码异味; 决策树; 特征选择; 软件可维护性中图分类号： TP 311 文献标志码： A 文章编号： 1000-5137（2022）02-0210-07GUO Di， WU Hait
上海师范大学学报·自然科学版 2022年2期2022-06-01
- 毒理学关注阈值在化妆品安全评估中的应用
妆品安全评估；决策树；植物提取物；皮肤致敏阈值01概述毒理学关注阈值（Threshold of Toxicological Concern，TTC） 方法是一种在对大量化学物的化学结构特征和相关毒理学数据分析的基础上，为不同类别化学物的人体暴露水平建立一个安全阈值的新的风险评估工具。如果人体实际的暴露量低于该阈值，就可以预测其不会对人体健康造成危害[1]。TTC 方法最开始应用于食品包装材料领域。1958年，美国联邦食品、药品和化妆品法案认为用于食品包装材
中国化妆品 2022年10期2022-05-30
- 一种基于雷达高分辨距离像的空天时敏目标识别方法
设计了一种基于决策树和支持矢量描述（SVDD）方法的多分类器。该方法首先基于时序HRRP估计目标的径向尺寸，利用序贯脉冲积累对尺寸估计结果进行滑窗处理，获取各个窗内径向尺寸的均值、极差、中值以及结尾均值四种统计特征; 然后，将得到的四种特征进行拼接，从而获取更加鲁棒的高维特征; 最后，使用基于决策树的多分类SVDD方法（Multi-SVDD-DT）对获取的高维特征进行分类。四类飞机的测量数据实验表明，本文所提方法可以提取出目标的稳健特征，能够有效完成空天时
航空兵器 2022年2期2022-05-18
- 人工智能支持下基于特征融合的深度知识追踪模型研究
集;然后，采用决策树算法对测评行为特征进行选择，并利用知识传播机制将知识结构融入模型;最后，基于长短期记忆神经网络对学习者的知识状态进行追踪。算法对比实验和实际教学应用效果表明，该模型具有有效性和实用性。该模型在助力核心素养导向的教育评价以及优化智慧学习环境中的智能导学等方面具有广阔的应用前景。 [关键词] 深度知识追踪; 特征融合; 决策树; 知识传播机制; 长短期记忆神经网络 [中图分类号] G434 [文献标志码] A [作者
电化教育研究 2022年4期2022-04-28
- 基于袋外预测和扩展空间的随机森林改进算法
评估度量来降低决策树间的相关性而非决策树的准确性，同时使用加权平均进行预测，在分类数据集上其预测结果较好。文献［5］通过复杂的动态集成方法进行预测，设计一种提高随机森林在某些数据集上预测性能的方法，实验结果表明，在27 个分类数据集中，该方法能改善12 个数据集中随机森林的预测表现。文献［6］在随机选择K个划分特征的基础上，通过随机选择划分结点来进一步降低决策树间的相关性并提高随机森林的预测表现，实验结果表明，在12 个分类数据集中，该方法能够显著改善5
计算机工程 2022年3期2022-03-12
- 基于Tree-3决策树模型的大数据挖掘算法
法[3]。基于决策树的数据挖掘方法在数据挖掘领域具有十分重要的地位。其中，Tree-3 决策树模型在这类方法中具有重要意义。该文在Tree-3 决策树模型下，针对其存在的不足进行改进，构建更适合大数据挖掘的算法。1 Tree-3决策树模型及其挖掘算法流程Tree-3 决策树模型在各种决策树挖掘算法模型中是最经典的一种模型。在常规的决策树的构建过程中，Tree-3 决策树模型使用了一种新的名为信息熵浓度增加-判定的机制，沿着决策树路径按节点进行搜索，搜索依据
中国新技术新产品 2022年20期2022-02-03
- 基于决策树算法的云数据情报侦查研究
心考量。[1]决策树算法正是根据不同特征样本数据的出现概率，在构建决策树基础上进行挖掘分析的一种分类决策算法。一方面，决策树算法能够帮助侦查人员快速地进行云数据情报侦查平台设计和流程模型构建；另一方面，能够对云数据情报侦查进行精确的循证预测，进而提升对云数据情报源挖掘分析的高效性和准确性。鉴于此，引入决策树算法的云数据情报侦查研究范式，不仅是将决策树算法广泛应用于社会各行业、各领域的必然要求，而且是云数据情报侦查方法自身变革和转型的实然需求。一、决策树算法
山东警察学院学报 2021年6期2021-05-14
- 基于改进教学式方法的可解释信用风险评价模型构建
数据集)被用于决策树的训练，并通过局部和全局约束准则控制决策树的可解释性，实验表明所生成的决策树更易于决策者理解。Baesens等[6]将TREPAN算法应用于信用风险评价研究，并通过实验验证了该方法在信用风险评价上的可靠性。但TREPAN算法所生成的决策树是基于M-of-N形式规则的，单个规则不利于决策者理解[13]。针对TREPAN算法的局限性，Schmitz等[14]以CART决策树为基础提出了ANN-DT方法，并通过控制决策树最大深度使生成的决策树
中国管理科学 2020年9期2021-01-04
- 基于节点匹配代价优化的随机森林算法
点。作为一种以决策树为基学习器的有监督的集成学习算法[1]，决策树的数量和决策树间的多样性对随机森林的分类精度有着重大影响[2]。研究过程中发现，过多的决策树，不仅不能有效地提升分类精度，反而会增加随机森林训练的时间，因此越来越多的学者开始围绕如何提升随机森林中决策树的多样性进行研究。薛铭龙等[3]通过设置不同的惩罚项因子来保证在训练随机森林中生成结构不同的决策树。关晓蔷等[4]通过为不同的类别设置不同侧重的基分类器，使产生的决策树结构尽可能的不同。王诚等
计算机工程与设计 2020年11期2020-11-17
- 信息时代基于决策树对大学生情绪的分类
意义。本文利用决策树中的ID3 和CART 算法实现大学的情绪分类，为高校的心理教育工作提供参考作用。一、数据来源采用大数据技术对大学生在校园中产生的各类心理数据进行客观分析和预测，可以有效的评价学生的心理状态，评估工作量对睡眠、活动、情绪、等的影响，使用6 个含有分类能力的特征，72 小时以内的数据，用决策树算法对情绪做分类实验。二、决策树算法决策树算法采用的是自上而下的递归方式，是一种逼近离散函数值的方法。1.ID3 算法ID3 算法主要针对离散型属性
数码世界 2020年4期2020-06-18
- 一种基于加权Jaccard距离的决策树集成选择方法
和机器学习中,决策树是常用的分类方法.它利用现有数据构建具有较强泛化能力的预测模型,对未知的对象进行预测分析[1].决策树学习算法是不稳定的,因为训练数据集的微小变化都可能导致决策树形态上的很大差异[2-3].对决策树的研究一方面在于如何度量决策树的稳定性或多样性[2-5],另一方面在于如何给出稳定的预测结果[6-9].现有文献中定义了2种类型的多样性:结构多样性和语义多样性.例如,RCJac[3]和TMD[4]是结构多样性度量,而kappa[5]是语义多
烟台大学学报（自然科学与工程版） 2020年2期2020-05-25
- 简述一种基于C4.5的随机决策树集成分类算法设计
洪伟摘 要 决策树分类算法是数据挖掘的一种典型数据分析方法。本文提出一种基于C4.5的随机决策树分类器集成算法对数据集进行分类，该算法对属性选择进行随机化处理，并对集成过程进行控制，该分类器集成算法有较高的分类准确率。关键词 集成;决策树;随机;C4.5引言分类是数据挖掘的一个重要分支，目前已有許多成熟的算法，如决策树、贝叶斯网络、神经网络、支持向量机等。集成分类法在同一问题上学习多个基分类器，再将其预测结果结合得出最终分类结果，它能够有效地提高预测性能
科学与信息化 2019年28期2019-10-21
- 一种改进的MEP决策树剪枝算法
枝是将已生成的决策树进行简化的过程，包括预剪枝和后剪枝。为了提高后剪枝算法MEP的剪枝精度，防止因MEP影响因子选取不当造成决策树修剪过度而丢失特征信息的问题，提出一种改进的MEP算法即IMEP方法。首先引入k-折交叉验证（k-Fold Cross-Validation）方法用于选取最优的影响因子m，然后将m带入到MEP算法，再对原始决策树进行剪枝，可以得到最精确的决策树，并保持决策树的影响特征。其次，通过k次交叉验证，可以避免产生过拟合问题，和单独测试集
河北工业大学学报 2019年6期2019-09-10
- 基于Python的决策树配镜预测系统
院高职学院1 决策树（decision tree)1.1 决策树算法的描述决策树是分类和预测的挖掘方法中应用较为广泛的模式之一，是一种由内部结点、分叉及叶结点构成的，用来表示决策树规则的树结构，其中，内部结点表示某种检验属性，分叉表示检验的结果，叶结点表示类或某一类的分类，而顶点称为根结点。在构建的决策树中，从根节点到叶结点的一条路径就对应着一条分类规则，其构建的过程，取决于检验属性的选择以及分叉点的确定。不同决策树算法采用的属性分割法不同，常用的决策树算
数码世界 2018年10期2018-11-13
- 基于优化决策树和EM的缺失数据填充算法*
en基于优化决策树和EM的缺失数据填充算法*梁秉毅1蔡延光2蔡颢2戚远航2黄何列2Ole Hejlesen3（1.广州市第三公共汽车公司 2.广东工业大学自动化学院 3.奥尔堡大学健康科学与工程系）针对大数据管理与应用中数据缺失的问题，提出一种基于优化决策树和EM的缺失数据填充算法对多属性缺失数值型数据进行填充。为解决决策树过分拟合问题，该算法采用基于精英策略的自适应遗传算法优化后的决策树对数据进行分类，再结合EM算法实现数值型数据的填充。仿真结果表明：
自动化与信息工程 2017年5期2017-11-10
- 基于决策树的蔬菜病害静态预警模型
0384）基于决策树的蔬菜病害静态预警模型纪思琪，吴芳通信作者，李乃祥（天津农学院 计算机与信息工程学院，天津 300384）设施蔬菜病害严重影响蔬菜的产量和质量，利用传统的防治措施不能很好地满足社会对食品安全和良好的生活环境的要求，而设施蔬菜病害预警则可兼顾蔬菜生产和社会要求，是一种绿色、有效的病害防治方式。本文采用决策树 C4.5算法对蔬菜病害进行预警，构建设施蔬菜病害静态预警模型。为测试模型的可行性和适用性，以黄瓜黑星病为例，对所构建的预警模型进行分
天津农学院学报 2017年2期2017-07-25
- 一种基于MMTD的决策树算法的研究∗
基于MMTD的决策树算法的研究∗朱俚治（南京航空航天大学信息中心南京210016）决策树是一种常用的分类算法，自从ID3算法出现以来相关人员对该算法进行了不同程度的改进，由此出现了多种决策树算法。在决策树生成之时都采用递归算法来实现决策树结点的分裂，如果结点的信息增益越大，那么该结点被分裂的几率就越大。目前的ID3算法和C4.5算法中的信息增益成为结点是否被分裂的重要依据，因此根据决策树的结点进行分裂时信息增益所起作用的特点，论文提出了另外一种衡量信息增益
计算机与数字工程 2017年5期2017-06-05
- 决策树学习的剪枝方法
王晓摘要：决策树学习是应用最广的归纳推理算法之一。它是一种逼近离散值函数的方法，对噪音数据有很好的健壮性且能够学习浅析表达式。本论文主要介绍决策树学习的剪枝方法以及评价一棵决策树优劣的标准。关键词：决策树学习 决策树学习的剪枝方法1 简述在决策树的生成过程中，如果对每一个分支都一直增长到恰好对训练样例完美地分类，这个策略并非总行的通的。事实上，当数据中有噪音或训练样例的数量太少以至于不能产生目标函数的有代表性的采样时，这个策略会遇到困难。对于一个假设，当存
科学与财富 2016年32期2017-03-04
- Decision tree methods: applications for classi fication and prediction
于分类与预测的决策树分析Song YY, Lu Y决策树；数据挖掘；分类；预测Summary:Decision tree methodology is a commonly used data mining method for establishing classi fication systems based on multiple covariates or for developing prediction algorithms for a tar
上海精神医学 2015年2期2015-12-09
- 决策树算法在Weka平台上的数据挖掘应用
王子牛，侯立铎决策树算法在Weka平台上的数据挖掘应用程斐斐，王子牛，侯立铎决策树算法可以对数据集进行有效的训练学习和快速准确的分类，其中ID3算法是最早提出的一种决策树算法，但是，此算法只适用于处理取值较多属性的数据，不能处理连续数据，对噪声也比较敏感。C4.5算法是对ID3算法的优化，不仅可以对连续值属性进行处理，而且增加了对空值数据的处理功能。在研究和分析主流决策树算法基础上，针对二手汽车数据库在Weka数据挖掘平台进行了C4.5算法的设计与实现。实
微型电脑应用 2015年6期2015-04-21
- 决策树方法的研究进展
方法有很多，如决策树方法，贝叶斯网络，遗传算法，基于关联的分类方法，粗糙集，k-最临近方法，等等。其中决策树方法以其易被人理解、需要信息觅少、效率及准确率较高等优点占据着重要地位。 决策树方法自产生至今，先后涌现出多种算法，包括ID3 、C4.5 、 CART, SLIQ、 SPRINTPUBLIC， 基于人机交互的方法等。他们的共同特点是对训练样本集进行挖掘后都会生成一棵形如二叉树或多叉树的决策树。树的叶子节点代表某一类别，非叶节点，包括根节点及内节点代
科技视界 2014年20期2014-08-21
- 决策树在施工项目管理中的应用
本文首先阐述了决策树基本概念，再从开工决策，投标决策，复杂项目多级决策三个角度分析了决策树在施工项目管理中的应用。关键词决策树施工项目决策中图分类号：F284 文献标识码：A决策树技术是人工智能的基础，根据对象的特点，抽取其特征知识逻辑，对于较小的简单模型可以实现较好的判别。决策树技术早已被证明是利用计算机模仿人类决策的有效方法。对于施工项目，我们可以运用决策树来辅助进行分析。
决策与信息·下旬刊 2013年1期2013-03-11
- 基于最大间隔的决策树归纳算法
基于最大间隔的决策树归纳算法焦树军 安志江(河北华航通信技术有限公司 河北 石家庄 050031)决策树归纳是归纳学习的一种。由于NP困难，寻找最优的决策树是不现实的，从而探索各种启发式算法去产生一个高精度的决策树变成了这类研究的焦点。考虑到支持向量机(SVM)的分类间隔与泛化能力的关系，可以使用SVM的最大间隔作为生成决策树的启发式信息，使得决策树有较强的泛化能力。本文针对实值型数据，提出了一种基于最大间隔的决策树归纳算法。实验结果表明了本文算法的有效性
科技视界 2011年22期2011-12-21
- 基于决策树的知识获取方法研究
2000）基于决策树的知识获取方法研究张 晶（聊城大学 东昌学院 电子科学系，聊城 252000）1 决策树知识获取方法知识获取是指从大量数据中去除无用信息、提取有用信息的过程。决策树学习的目的就是从大量实例中归纳出以决策树形式表示的知识，因此决策树的学习过程就是一种知识获取过程。所以可以把决策树的学习与知识获取问题联系起来，从而把知识获取问题转换为决策树的学习问题，从而实现知识的自动获取。由于决策树知识获取即为决策树学习，而决策树学习的核心就是决策树的学
制造业自动化 2011年8期2011-05-11
- 决策树算法分析及其在实际应用中的改进
244000）决策树算法分析及其在实际应用中的改进张林1张昊2（1.安徽三联学院，安徽合肥230601；2.铜陵学院，安徽铜陵244000）决策树算法是数据挖掘常用算法之一，属于归纳学习方法的一种。它以样本为基础，主要用于分类和预测，其结果比较容易转换为分类规则。ID3算法是一种以贪心算法为核心的典型的归纳学习算法，它采用自顶向下的递归方式生成一棵决策树。ID3算法中使用的数据是理想情况下的数据，在实际应用中，数据在大多数情况下是不能满足算法在理想情况下要
铜陵学院学报 2010年6期2010-10-12
- 一种用于大规模数据集的决策树采样策略
研究课题之一。决策树[1]算法由于其易于理解等特点被广泛应用于机器学习和数据挖掘中。然而由于决策树算法采用的是贪心策略，这就决定了其生成的决策树只是局部最优而非全局最优。同时一个决策树算法的成功在于生成基于给定的数据集下最高准确率的生成树。但是由于面对的数据集是海量的，所以如果简单地运用决策树生成算法，不仅需要大量的计算，而且无法保证低错误率和低偏差。所以有必要在真正进行挖掘前进行数据采样，以期有效地提高准确率。本文提出一种结构化的采样技术，运用现有决策树
网络安全与数据管理 2010年21期2010-05-18