基于ELM的改进CART决策树回归算法

• 作者: 王宏 张强 王颖 郭玉洁
• 来源期刊: 计算机系统应用
• 关键词: CART决策树回归算法 极限学习机 叶节点 预测输出 回归分析
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 201-206
• 页数: 6页
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007789

摘要

为提高CART(ClassificationAndRegressionTree)决策树回归算法的准确性,提出一种基于ELM(Extreme Learning Machine)的改进CART决策树回归算法——ELM-CART算法.所提算法主要是在CART回归树创建过程中,在每个叶节点使用极限学习机建模,可以得到真正意义上的回归预测值,提高泛化能力,弥补CART决策树回归算法本身的容易过拟合以及预测输出为定值等缺点.实验结果表明,所提算法能够有效提高回归分析中目标数据的预测准确性,其准确性优于所对比算法.