ID3算法是一种典型的决策树归纳算法，这种算法在假定示例的属性值和分类值是确定的前提下，使用信息熵作为启发式建立一棵清晰的决策树。针对现实世界中存在的不确定性，人们提出了另一种决策树归纳算法，即模糊决策树算法，它是清晰决策树算法的一种推广。这两种算法在实际应用中各有自己的优劣之处，针对一个具体问题的知识获取过程，选取哪一种算法目前还没有一个较明确的依据。该文从5个方面对这两种算法进行了详细的比较，指出了属性为连续值时这两种算法的异同及优缺点，其目的是在为解决具体问题时怎样选择这两种算法提供一些有用的线索。
国家科技期刊平台
NSTL
万方数据
维普
