首页|懒惰式学习对决策树分类器的影响

懒惰式学习对决策树分类器的影响

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
决策树采取的是一种急切式学习算法,是迄今为止在实践中应用最为广泛的一种分类方法.决策树分类器在训练阶段根据训练实例集合建立了一棵整体上最优的树,这棵树被用来在测试阶段给未分类的实例指派最适合的类标.决策树具有良好的可解释性,分类速度快,但是它的剪枝过程非常繁琐,分类精确度也不是非常高.把懒惰式思想引入决策树,学习过程被推迟到给定一个测试实例时才进行.它从概念上为每一个测试实例建立一棵最优决策树.实验数据显示此法显著提高了分类器性能,但分类速度较慢.

王学玲、刘国勋、张启平

展开 >

滨州学院计算机科学技术系

滨州市滨城区供电公司

滨州技术学院电子信息工程系

懒惰式决策树 决策树 分类器

2008

科技信息(学术版)
山东省技术开发服务中心

科技信息(学术版)

ISSN：1001-9960
年,卷(期)：2008.(11)
  • 1
  • 1