基于粗糙集的决策树集成学习算法

• 作者: 席磊 张娟娟 时雷 段其国 熊明阳 马新明
• 来源期刊: 广西科学
• 学科: 工学
• 关键词: 集成学习 粗糙集 决策树 Bagging Boosting
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 特邀栏目
• 页码范围: 423-427
• 页数: 5页
• 分类号: TP391
• 字数: 3713字
• 语种: 中文
• DOI: 10.13656/j.cnki.gxkx.20180727.001

摘要

[目的]为提高决策树集成的泛化能力和效率,解决集成全部决策树的情况下有时并不显著提高精度、反而导致额外存储和计算开销的问题,提出一种基于粗糙集的决策树集成学习算法.[方法]该算法基于粗糙集理论,从训练的全部决策树中选择一部分进行集成.[结果]与目前流行的集成学习算法Bagging和Boosting相比,本文提出的算法有效地减小了集成规模,并获得更好的泛化能力.[结论]该算法提高了决策树集成的泛化能力和效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	席磊	河南农业大学信息与管理科学学院河南粮食作物协同创新中心	72	427	12.0	17.0
2	张娟娟	河南农业大学信息与管理科学学院河南粮食作物协同创新中心	17	432	6.0	17.0
3	时雷	河南农业大学信息与管理科学学院河南粮食作物协同创新中心	22	75	5.0	8.0
4	段其国		1	0	0.0	0.0
5	熊明阳	河南农业大学信息与管理科学学院河南粮食作物协同创新中心	1	0	0.0	0.0