计算机工程与应用 ›› 2020, Vol. 56 ›› Issue (22): 160-165.DOI: 10.3778/j.issn.1002-8331.1908-0416
谭正华,戴立平,文阳,李国泰
TAN Zhenghua, DAI Liping, WEN Yang, LI Guotai
摘要:
针对决策树C4.5算法在处理连续值属性过程中时间复杂度较高的问题,提出一种新的决策树构建方法:采用概率论中属性间的相关系数(Pearson),对数据集中的属性进行约简;结合属性的信息增益率,保留决策属性的最优子集,保证属性子集中没有冗余属性;采用边界点的判定,改进了连续值属性离散化过程中阈值分割方法,对信息增益率的计算进行修正。采用UCI数据库中的数据集,在Pycharm平台上进行一系列对比实验,结果表明:采用改进后C4.5决策树算法,决策树生成效率提高了约50%,准确率提升约2%,比较有效地解决了原C4.5算法属性选择偏连续值属性的问题。