基于分类不可指定性的清晰决策树归纳算法研究

摘要

决策树可以分为两类：清晰决策树和模糊决策树。通常，模糊决策树算法是在清晰决策树算法的基础上进行改进得到的，是对清晰决策树算法的扩展。本文从相反的角度出发，对Yuan 提出的模糊决策树算法进行改进，给出了一种新的清晰决策树算法。
　　 文中首先介绍了决策树的相关理论，给出了几种常用的清晰决策树算法和模糊决策树算法，然后，对Yuan的模糊决策树算法进行改进，提出了基于分类不可指定性的清晰决策树算法。最后，对我们的算法和其他清晰决策树算法进行比较：首先，我们在离散型数据库上对我们给出的清晰决策树算法和ID3算法进行比较，在连续型数据库上对我们给出的清晰决策树算法和C4.5算法进行比较，试验结果表明，在基本达到ID3算法和C4.5算法分类精度的条件下,我们的算法构建的决策树规模较ID3和C4.5 要小；
　　 然后对我们算法中所用的启发式和基于信息熵的启发式进行比较，指出我们所用的启发式有不同于信息熵启发式的特性。