一种基于影响度的可伸缩的决策树算法

• 作 者: 冯贵良 杨洁 李忠哗
• 机 构: 河北北方学院理学院
• 出 处: 河北北方学院学报：自然科学版
• 发表日期: 2008年4期
• 关键词: 决策树 数据挖掘 算法 属性表 影响度 decision tree data mining algorithm attribute list influenc
• 基金项目: 河北省科技研究与发展指导项目（07213543）

目的 针对ID3算法计算复杂度高这一问题，改进决策树生成算法DTA（Decision Tree Algorithm）。方法 提出了用影响度作为属性选择的标准，为了使算法具有良好的可伸缩性，引入了基于类别的属性表的新的数据结构。结果 表明算法能生成正确的决策树，并且计算复杂度明显优于传统算法。结论 可以在计算机硬件配置较低、资源消耗较少的条件下来快速生成正确的决策树，得到相应的决策规则。