一种懒惰式决策树和普通决策树结合的分类模型——半懒惰式决策树

• 作者: 王学玲 王建林 王志海
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 懒惰式决策树 朴素贝叶斯 半懒惰式决策树算机
• 年，卷（期）: 2008,（12）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 229-230,238
• 页数: 3页
• 分类号: TP3
• 字数: 2704字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386X.2008.12.079

摘要

懒惰式决策树分类是一种非常有效的分类方法.它从概念上为每一个测试实例建立一棵"最优"的决策树.但是,大多数的研究是基于小的数据集合之上.在大的数据集合上,它的分类速度慢、内存消耗大、易被噪声误导等缺点,影响了其分类性能.通过分析懒惰式决策树和普通决策树的分类原则,提出了一种新的决策树分类模型,Semi-LDtree.它生成的决策树的节点,如普通决策树一样,包含单变量分裂,但是叶子节点相当于一个懒惰式决策树分类器.这种分类模型保留了普通决策树良好的可解释性,实验结果表明它提高了分类速度和分类精确度,在某些分类任务上它的分类性能经常性地胜过两者,特别是在大的数据集合上.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王学玲	滨州学院计算机科学与技术系	13	52	5.0	6.0
2	王建林	滨州学院计算机科学与技术系	10	43	4.0	6.0
3	王志海	北京交通大学计算机与信息技术学院	64	491	11.0	20.0