论文部分内容阅读
该文对传统的C 4.5决策树数据挖掘算法进行了改进，提出了一种双重熵平均决策树算法。传统的C 4.5决策树算法易出现无意义分枝，过度拟合等问题，针对该类问题，基于双重熵平均决策树算法，通过两次对样本子集熵平均值的计算、排序、合并处理，得到修正后的属性信息增益，并以此作为属性选择的依据，从而解决了传统C 4.5决策树算法可解释性差、易产生碎片等问题。