对于0-1矩阵可以用决策矩阵,决策树树算法吗

: 数据挖掘是数据库中知识发现嘚一个重要步骤传统数据挖掘是以数据对象作为研究基础的挖掘方法,注重算法的运行效率以及模型的准确率是一种面向数据或者称為数据驱动的数据挖掘,其挖掘结果包含大量的冗余规则、无需挖掘就可以得到的知识甚至是一些违反常识的错误结论存在很大的弊端。

  决策矩阵,决策树树是数据挖掘分类技术中的主要模型针对决策矩阵,决策树树算法没有考虑挖掘结果使用者的偏好...  

}
摘 要:在构造决策矩阵,决策树樹的过程中,分类属性选择的标准直接影响分类的效果本文基于粗糙集的理论,提出了在核中应用分类贡献函数来选择分类属性的新方法。利用UCI提供的数据集对该算法和基于信息熵的算法C4.5,以及基于加权平均粗糙度的决策矩阵,决策树树生成算法相比较实验证明:用该方法构造嘚决策矩阵,决策树树与传统的基于信息熵方法构造的决策矩阵,决策树树相比较,复杂性低,且能有效提高分类效果。
}
摘 要:针对Apriori算法的存在产生大量的候选频繁集合的缺点,本文提出了基于加权代价敏感的非频过滤矩阵Apriori算法,通过在FP-tree算法的基础上构造的决策矩阵,决策树树对应的数据进行玳价敏感学习;设定不同的数据的权值,设定加权置信度;非频集过滤矩阵寻找频集,生成强关联规则;构成非频集过滤Apriori算法对应的初始矩阵;构建代價敏感的非频集过滤矩阵等措施提高了算法的挖掘效果
}

我要回帖

更多关于 决策矩阵,决策树 的文章

更多推荐

版权声明:文章内容来源于网络,版权归原作者所有,如有侵权请点击这里与我们联系,我们将及时删除。

点击添加站长微信