基于预处理的决策树在化学数据挖掘中的应用

• 作者: 叶子青 李琳 束志恒 陈德钊
• 来源期刊: 分析化学
• 学科: 化学
• 关键词: 数据挖掘 决策树 离散化 特征选择 化学模式分类
• 年，卷（期）: 2005,（8）
• 所属期刊栏目: 研究报告
• 页码范围: 1091-1094
• 页数: 4页
• 分类号: O6
• 字数: 3491字
• 语种: 中文
• DOI: 10.3321/j.issn:0253-3820.2005.08.009

摘要

化学数据挖掘可从海量数据中提取蕴含的知识,决策树方法是一种重要的挖掘工具.鉴于决策树在处理连续数据上的局限性,本研究提出先进行预处理,将连续属性离散化,通过特征选择删除其冗余量,以此为基础构建决策树.该方法可防止决策树模型"过细",使之具有良好的预报性能.将此方法应用于两个化学样品分类实例,效果良好.与贝叶斯分析和单一的决策树方法相比,其预报正确率有显著提高,且表达形式直观明确,易于理解和分析,适用于化学分类知识模式的挖掘.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈德钊	浙江大学化工系仿真中心	112	1957	24.0	38.0
2	叶子青	浙江大学化工系仿真中心	4	36	3.0	4.0
3	束志恒	浙江大学化工系仿真中心	4	50	4.0	4.0
4	李琳	浙江大学化工系仿真中心	22	120	7.0	10.0