几何平均参与评价划分属性的决策树

摘要

针对信息增益偏向于多值属性,信息增益率倾向于少值属性的特点,研究几何平均参与评价划分属性的决策树.从候选划分属性中,筛选高于信息增益算术平均水平的属性;分别计算这些属性的信息增益与信息增益率的几何平均值,从中选择几何平均值最大的属性,建立分支决策;用递归方法建立决策树.对4份不同规模数据进行实验验证,验证结果表明,该决策树准确性较好,运行时间较低,可行有效.