训练集容量对决策树分类错误率的影响研究

• 作者: 刘才兴 孙微微 田绪红
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 可能近似正确模型 PAC 训练集 错误率
• 年，卷（期）: 2005,（10）
• 所属期刊栏目: 数据库与信息处理
• 页码范围: 159-161
• 页数: 3页
• 分类号: TP3
• 字数: 2654字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2005.10.051

摘要

数据挖掘算法必须在实际数据集上进行验证,而数据集容量是有限的,训练集比例过低会导致训练不足,训练集比例过高会导致算法评价过于乐观.针对训练集容量对评价效果的影响问题,对25个UCI数据集的不同比例训练集运用决策树算法C4.5,得出不同训练集容量对决策树分类错误率的影响关系.实验结果表明,训练集比例至少为50%时才能使分类错误率达到相对平稳.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘才兴	华南农业大学信息学院计算机科学与工程系	37	433	13.0	19.0
2	孙微微	华南农业大学信息学院计算机科学与工程系	22	173	8.0	13.0
3	田绪红	华南农业大学信息学院计算机科学与工程系	44	307	10.0	15.0