数据挖掘中分类算法综述

• 作者: 李玲俐
• 来源期刊: 重庆师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 数据挖掘 分类 综述
• 年，卷（期）: 2011,（4）
• 所属期刊栏目: 理论与应用研究
• 页码范围: 44-47
• 分类号: TP391
• 字数: 3838字
• 语种: 中文
• DOI: 50-1165/N.20110707.1744.011

摘要

对分类算法中需要解决的关键问题进行了分析；综述了不同分类算法的思想和特性,决策树分类算法能够很好地处理噪声数据,但只对规模较小训练样本集有效；贝叶斯分类算法精度高、速度快,错误率低,但分类不够准确；传统的基于关联规则算法分类准确率高,但容易受硬件内存的制约；支持向量机算法分类准确率高、复杂度低,但速度慢.针对各种分类算法的缺陷,结合其优点,论述了当前一些速度更快、准确率更高、能实现更好分类效果的新算法,如多决策树综合技术、基于先验信息和信息增益的混合分类算法,基于粗糙集和遗传算法的神经网络分类算法等；对数据挖掘分类算法作了展望,提出今后的研究重点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李玲俐	广东司法警官职业学院信息管理系	24	194	5.0	13.0