基于贝叶斯推理的决策树模型

• 作者: 卢照敢 周亚同 张太镒
• 来源期刊: 西安交通大学学报
• 关键词: 决策树 贝叶斯推理 逆跳马尔科夫链蒙特卡洛 分类准确率 递归分割
• 年，卷（期）: 2006,（8）
• 所属期刊栏目: 专题研究
• 页码范围: 888-891
• 页数: 4页
• 分类号: TP18
• 语种: 中文
• DOI: 10.3321/j.issn:0253-987X.2006.08.005

摘要

针对决策树(DT)模型缺乏概率背景这一问题,将贝叶斯推理引入DT模型,提出了一种基于贝叶斯推理的决策树(BDT)模型.在假定所含待定参量的先验与似然的前提下,借助贝叶斯推理获得参量的后验,然后运用逆跳马尔科夫链蒙特卡洛算法对后验抽样,最终求出样本属于某一类别的置信度,从而避免了武断判决.BDT模型以抽样代替拆分与剪枝操作,既直观又灵活,同时在抽样时考虑了不同的树结构与递归分割方案,使得分类准确率得以提高.仿真实验结果表明,BDT模型的平均分类准确率与DT模型相比提高了1.7%～3.5%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张太镒	西安交通大学电子与信息工程学院	91	887	15.0	27.0
2	卢照敢	西安交通大学电子与信息工程学院	15	35	4.0	5.0
3	周亚同	西安交通大学电子与信息工程学院	16	166	7.0	12.0