一種基于密度的改進決策樹算法.pdf_第1頁
已閱讀1頁,還剩47頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、分類問題是機器學習領域的重要研究內容,分類是指對已知類別的數(shù)據集進行高度抽象,提取規(guī)則,構建預測模型,從而使用該模型對未知類別的樣本數(shù)據進行歸類。
  決策樹是各種分類算法中最常見的算法,它相對于其他算法模式簡單、分類速度快、準確率高,且生成的規(guī)則可以用語意表示,具有更強的可解釋性。然而實際數(shù)據集中常常伴隨著噪聲或者孤立點,這會使決策樹出現(xiàn)只包含極少量樣本的葉子節(jié)點,產生不必要的分支,進而使決策樹規(guī)模變大。針對這一問題,本文提出了

2、基于密度的決策樹構建思想,即在決策樹的構建過程中將劃分區(qū)域內的樣本密度作為一個衡量標準,使生成的決策樹中不存在或者僅少量存在上述不必要分支,精簡了決策樹規(guī)模,同時在一定程度上避免了過擬合現(xiàn)象,提高了預測精度。同時,本文將基于密度的構建思想推廣到了以RandomForest、Bagging和AdaBoost為代表的集成算法中,這三種算法雖然相較于單個決策樹已經可以表現(xiàn)出較強的分類能力,但是同樣面臨基分類器在訓練結果中存在不必要分支的問題,

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論