基于KPCA的决策树方法及其应用

• 作者: 张国基 饶秀琪
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 决策树 主成分分析 核主成分分析 数据减少技术 客户流失分析
• 年，卷（期）: 2007,（7）
• 所属期刊栏目: 人工智能
• 页码范围: 1612-1613
• 页数: 2页
• 分类号: TP181
• 字数: 2157字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-7024.2007.07.039

摘要

主成分分析(PCA)作为一种数据减少技术常用于构造决策树,有利于降低树的复杂度和提高分类精度,但在处理非线性问题时往往不能取得好的效果.针对上述情况,提出了一种基于核主成分分析(KPCA)的决策树方法.实验结果表明,该方法是可行的和有效的,且在分类精度、方差贡献率等方面优于基于PCA的决策树.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张国基	华南理工大学数学科学学院	24	196	8.0	12.0
2	饶秀琪	华南理工大学数学科学学院	1	9	1.0	1.0