关于决策树分类的属性选择方法的研究。
5星
- 浏览量: 0
- 大小:None
- 文件类型：None
简介：
考虑到ID3算法在选择测试属性时倾向于选取取值更为频繁的属性，从而可能存在偏差，我们引入了OneR算法，该算法能够选择属性的相关子集来进行分类任务，有效地减少了无关属性以及冗余属性对分类结果产生的影响。实验数据证实，与传统的ID3算法进行对比，优化后的方案显著提升了ID3算法的分类准确率，并同时降低了分类过程所消耗的时间。此外，该优化方案成功地克服了ID3算法中存在的取值偏置问题，最终实现了更优化的分类结果。
全部评论 (0)
还没有任何评论哟~
