模糊決策樹產(chǎn)生過程中參數(shù)的敏感性分析.pdf

1、基于ID3算法的決策樹歸納學習是歸納學習的一個重要分支，可用于知識的自動獲取過程。隨著歸納學習研究的深入，具有精確描述特征的示例學習已不能適應(yīng)一個系統(tǒng)中不精確知識自動獲取的要求，研究不確定環(huán)境中的示例學習已非常必要，進而產(chǎn)生了傳統(tǒng)ID3算法的模糊推廣——模糊ID3算法。在模糊決策樹的產(chǎn)生過程中，用模糊熵選擇的擴展屬性不能像經(jīng)典決策樹那樣將類清晰的分開，而是屬性術(shù)語所覆蓋的例子之間有一定的重疊，因此樹的整個產(chǎn)生過程在給定的顯著性水平α的基

2、礎(chǔ)上進行，參數(shù)α的引入能在一定程度上減少這種重疊，從而減少分類的不確定性，提高模糊決策樹的分類結(jié)果。而它一般由領(lǐng)域?qū)＜腋鶕?jù)經(jīng)驗或需要直接給出，這種人為的參與過分依賴于專家知識，從而可能使實際分類結(jié)果在規(guī)則數(shù)、準確率方面達不到最優(yōu)。 本文在VisualC++軟件開發(fā)平臺及模糊ID3算法的基礎(chǔ)上，從解析的角度出發(fā)，通過分析參數(shù)α與模糊熵之間的函數(shù)關(guān)系式，討論了隨著α的增加，模糊熵函數(shù)的變化趨勢，進一步分析了參數(shù)α對模糊決策樹的分類結(jié)