基于序信息熵决策树的有序分类学习

摘要

有序分类是指类别号之间存在序结构的分类问题，一般假设属性与决策存在单调的依赖关系。经典的决策树算法不能反映数据之间的序结构。本文引入序信息熵和序互信息度量，构造了新的决策树学习算法。基于有序信息熵决策树算法将有序互信息作为决策树的分裂准则，该算法在处理单调或非单调数据集时都可生成单调的规则集。实验证明该算法的平均排序损失和泛化能力都优于经典决策树C4.5等算法。