融合信息增益与基尼指数的决策树算法

• 作者: 谢鑫 张贤勇 杨霁琳
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 决策树 信息增益 基尼指数 不确定性度量 自适应线性融合 机器学习
• 年，卷（期）: 2022,（10）
• 所属期刊栏目: 模式识别与人工智能|Pattern Recognition and Artificial Intelligence
• 页码范围: 139-144
• 页数: 6页
• 分类号: TP18
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2011-0040

摘要

机器学习中的决策树算法具有重要的数据分类功能,但基于信息增益的ID3算法与基于基尼指数的CART算法的分类功效还值得提高.构造信息增益与基尼指数的自适应集成度量,设计有效的决策树算法,以提升ID3与C A RT两类基本算法的性能.分析信息增益信息表示与基尼指数代数表示的异质无关性,采用基于知识的加权线性组合来建立信息增益与基尼指数的融合度量,开发决策树启发构造算法IGGI.关于决策树,IGGI算法有效改进了ID3算法与CART算法,相关数据实验表明IGGI算法通常具有更优的分类准确度.