一种与神经元网络杂交的决策树算法

• 作者: 赵宏 邵华
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 数据挖掘 决策树 神经元网络
• 年，卷（期）: 2001,（8）
• 页码范围: 964-966
• 页数: 3页
• 分类号: TP311
• 字数: 3650字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1220.2001.08.019

摘要

神经元网络在多数情况下获得的精度要比决策树和回归算法精度高，这是因为它能适应更复杂的模型.同时由于决策树通常每次只使用一个变量来分支，它所对应的识别空间只能是超矩形，这也就比神经元网络简单，精度不能与神经元网络相比.然而神经元网络需要相对多的学习时间，并且其模型的可理解性不如决策树、Naive-Bayes等方法直观. 本文在进行两种算法对复杂模型的识别对比后，提出一个新的算法NNTree，这是一个决策树和神经元网络杂交的算法：决策树节点包含单变量的分支就象正常的决策树，但是叶子节点包含神经元网络分类器.这个方法针对决策树处理大型数据的效能，保留了决策树的可理解性，改善了神经元网络的学习性能，同时可使这个分类器的精度大大超过这两种算法，尤其在测试更大的数据集复杂模型时更为明显.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵宏	东北大学软件中心	114	1442	21.0	32.0
2	邵华	东北大学软件中心	3	46	2.0	3.0