基于代表性数据的决策树集成

• 作者: 丁周芳 李海芳 王立群
• 来源期刊: 计算机应用研究
• 关键词: 代表性数据 决策树 聚类 围绕中心点的划分 集成学习 Bagging Boosting
• 年，卷（期）: 2009,（4）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1241-1243,1265
• 页数: 4页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2009.04.009

摘要

为了获得更好的决策树集成效果,在理论分析的基础上从数据的角度提出了一种基于代表性数据的决策树集成方法.该方法使用围绕中心点的划分(PAM)算法从原始训练集中提取出代表性训练集,由该代表性训练集来训练出多个决策树分类器,并由此建立决策树集成模型.该方法能选取尽可能少的代表性数据来训练出尽可能好的决策树集成模型.实验结果表明,该方法使用更少的代表性数据能获得比Bagging和Boosting还要高的决策树集成精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李海芳	太原理工大学计算机与软件学院	92	507	12.0	16.0
2	王立群	太原理工大学计算机与软件学院	2	19	2.0	2.0
3	丁周芳	太原理工大学计算机与软件学院	2	19	2.0	2.0