基于決策樹算法的研究及其在煤層底板突水中的應(yīng)用.pdf

1、在我國，水害事故頻繁發(fā)生，嚴(yán)重威脅人們的生命財(cái)產(chǎn)安全。而煤層底板突水現(xiàn)象是事故中最常見的一種，它是由多種因素綜合作用的結(jié)果，情況復(fù)雜，以往的預(yù)測(cè)方法很難解決此問題。本文將煤層底板突水預(yù)測(cè)問題歸納為數(shù)據(jù)挖掘分類問題，引入決策樹分類算法。
　　決策樹算法是一種簡(jiǎn)單、易懂、有效的分類方法，已經(jīng)在各行各業(yè)得到了廣泛的應(yīng)用。盡管目前的決策樹算法發(fā)展的已經(jīng)較為成熟，但還有需要改進(jìn)的地方:一方面，分類精度還需進(jìn)一步提升;另一方面，不能很好的處理

2、非平衡數(shù)據(jù)集。本文針對(duì)存在的問題，展開對(duì)決策樹算法的研究，首先通過UCI數(shù)據(jù)集對(duì)基于優(yōu)化算法建立的分類模型進(jìn)行實(shí)驗(yàn)論證，最后將其應(yīng)用于實(shí)際的煤層底板突水預(yù)測(cè)中。本文的主要?jiǎng)?chuàng)新點(diǎn)如下:
　　(1)提出一種基于C4.5與CART算法建立混合節(jié)點(diǎn)分裂算法的分類模型。對(duì)比研究幾種常見的決策樹算法之間的差異及內(nèi)在聯(lián)系，設(shè)計(jì)一種基于C4.5與CART算法建立混合節(jié)點(diǎn)分裂算法的分類模型，實(shí)驗(yàn)結(jié)果表明，改進(jìn)的分類模型的分類精度較傳統(tǒng)的C4.5與C

3、ART算法建立的分類模型有一定程度的提高，但是幅度不大。
　　(2)提出一種基于根節(jié)點(diǎn)信息的多決策樹分類模型。為了更大程度的提高分類預(yù)測(cè)模型的分類精度，鑒于根節(jié)點(diǎn)的屬性選擇對(duì)于構(gòu)建整個(gè)決策樹的重要性，本文將每個(gè)分裂屬性分別作為根節(jié)點(diǎn)建立n（分裂屬性的個(gè)數(shù)）棵決策樹，形成一種多決策樹的分類器。利用UCI數(shù)據(jù)集進(jìn)行分類器性能測(cè)試，實(shí)驗(yàn)表明，其分類精度較單棵決策樹有很大的提升。
　　(3)設(shè)計(jì)了一種基于代價(jià)敏感的決策樹算法分類模型

4、。在實(shí)際應(yīng)用中少數(shù)類的誤判往往會(huì)帶來巨大的代價(jià)，傳統(tǒng)決策樹對(duì)非平衡數(shù)據(jù)進(jìn)行分類時(shí)往往出現(xiàn)少數(shù)類分類困難的問題。為了減少由于數(shù)據(jù)的不平衡性帶來的少數(shù)類分類誤差，本文引入代價(jià)敏感理論。在進(jìn)行構(gòu)建決策樹時(shí)，將誤分類代價(jià)引入節(jié)點(diǎn)分裂函數(shù)中，建立綜合考慮屬性信息和誤分類代價(jià)的代價(jià)敏感決策樹，并利用不同評(píng)價(jià)指標(biāo)對(duì)其進(jìn)行性能評(píng)價(jià)。實(shí)驗(yàn)結(jié)果表明，其在保證整體分類精度和多數(shù)類分類精度較高的基礎(chǔ)上，大大提高了少數(shù)類的分類精度，從而獲得具有性能較好的決策樹分