决策树分类准确率极限的研究

• 作者: 张舒博 牛琨 陈俊亮
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 决策树 分类准确率 极限 经验风险 结构风险
• 年，卷（期）: 2007,（10）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 222-224
• 页数: 3页
• 分类号: TP18
• 字数: 3842字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2007.10.080

摘要

采用最大分类树作为分析经验风险与结构风险的工具,对决策树分类准确率极限进行了研究.针对决策树模型的分类效果难以客观评价的问题,讨论了决策树分类准确率极限的存在条件,给出了求出该极限的方法.以最大分类树作为分析工具,提出了在经验风险和结构风险4种分布条件下分类准确率极限是否存在的4个定理,并从机器学习理论和工程建模实践2个角度进行了讨论.实验验证了该理论的正确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈俊亮	北京邮电大学计算机科学与技术学院	154	1938	21.0	38.0
2	牛琨	北京邮电大学计算机科学与技术学院	12	116	4.0	10.0
3	张舒博	中国电信北京研究院决策研究部	8	70	4.0	8.0