采用重复剪辑近邻法提高决策树算法的性能

• 作者: 叶晨洲 姚莉秀 杨杰 陈念贻
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: 数据挖掘 决策树 重复剪辑近邻法 样本筛选
• 年，卷（期）: 2003,（1）
• 所属期刊栏目: 短文
• 页码范围: 96-98,102
• 页数: 4页
• 分类号: TP18
• 字数: 2910字
• 语种: 中文
• DOI: 10.3321/j.issn:1001-0920.2003.01.022

摘要

决策树算法易受训练样本集中噪声和混杂区域的影响.重复剪辑近邻法能消除样本集中符合某些先决条件的噪声,清除混杂区域中后验概率较小的类别所包含的样本,并在各类样本间形成符合Bayes分类准则的界线.用它对合适的训练样本集进行筛选,可在不损害分类准确率的同时明显地减小决策树的规模,有助于增强决策树的可理解性和可用性,从而提高决策树的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨杰	上海交通大学图象处理及模式识别研究所	340	5370	35.0	58.0
2	叶晨洲	上海交通大学图象处理及模式识别研究所	35	1106	16.0	33.0
3	姚莉秀	上海交通大学图象处理及模式识别研究所	35	388	10.0	19.0
4	陈念贻	上海交通大学图象处理及模式识别研究所	14	270	8.0	14.0