决策树机器学习策略在数据分析中的优化

• 作者: 温立辉
• 来源期刊: 五邑大学学报（自然科学版）
• 学科: 工学
• 关键词: 归纳学习 决策树 信息熵 信息增益 离散化 分类规则 业务敏感度
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 智能制造
• 页码范围: 72-78
• 页数: 7页
• 分类号: TP301.6|TP18
• 字数: 3666字
• 语种: 中文

摘要

针对数据挖掘领域机器学习决策树模型匹配度过粗、预测准确率不高的问题,提出相应的改良优化策略.首先,通过对连续属性的多区间段离散化进一步提高数据的领域匹配度;其次,通过业务敏感度指标补偿特征属性的权重,使模型在向下分裂过程中,业务属性的选择更加合理;最后,通过数据分类规则改造进一步提升模型的数据预测准确率.实验结果表明,引入了业务敏感度指标生成的树模型更加简洁,业务针对性和数据归类能力更强;经过改造升级的数据分类规则相比优化前,数据预测精准度由72％提升至83％,有效改善了数据预测能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	温立辉	河源职业技术学院电子与信息工程学院	22	89	4.0	9.0