FDTU:针对不确定数据的快速决策树生成算法

摘要

目前,针对不确定数据分类分析的决策树算法,如DTU等具有较高的时间复杂度。因此,在利用决策树算法处理不确定数据时,如何能够在保证准确度的同时降低时间开销成为一个重要问题。基于样本属性相互独立的假设提出了不确定独立信息增益的概念和快速不确定决策树算法FDTU,降低了决策树生成的运行时间。在UCI数据集上的实验表明,相对于不确定决策树算法DTU,FDTU算法具有相近的分类准确度,同时显著地降低了生成决策树所需的运行时间。