基于粗糙集的决策树集成学习算法

摘要

[目的]为提高决策树集成的泛化能力和效率,解决集成全部决策树的情况下有时并不显著提高精度、反而导致额外存储和计算开销的问题,提出一种基于粗糙集的决策树集成学习算法.[方法]该算法基于粗糙集理论,从训练的全部决策树中选择一部分进行集成.[结果]与目前流行的集成学习算法Bagging和Boosting相比,本文提出的算法有效地减小了集成规模,并获得更好的泛化能力.[结论]该算法提高了决策树集成的泛化能力和效率.