基于用户兴趣度和MID3决策树改进方法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (27): 155-157.

• 数据库、信号与信息处理 • 上一篇下一篇

基于用户兴趣度和MID3决策树改进方法

王永梅1，胡学钢2

1.安徽农业大学信息与计算机学院，合肥　230036
2.合肥工业大学计算机与信息学院，合肥　230009

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-09-21 发布日期:2011-09-21

Improved decision tree algorithm based on user-interest and MID3

WANG Yongmei1，HU Xuegang2

1.School of Information and Computer，Anhui Agricultural University，Hefei 230036，China
2.Institute of Computer & Information，Hefei University of Technology，Hefei 230009，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-09-21 Published:2011-09-21

摘要/Abstract

摘要： 决策树是数据挖掘的重要方法，通常用来形成分类器和预测模型。分析ID3算法和现有的ID3改进算法所存在的问题。提出一种合理且可靠的MID3的改进算法，即针对MID3算法倾向于取值较多属性的缺点，引入了用户兴趣度对算法进行改进，改进后的MID3算法既可以在一定程度上解决多值偏向问题，也可以考虑决策树的两层节点。并通过实验与其他ID3改进算法进行比较，实验结果表明，改进后的MID3算法是有效的。

关键词: 决策树, MID3算法, 用户兴趣度

Abstract: Decision tree is an important approach in data mining，which can be used to form classification and predictive model.In the present essay，ID3 algorithm and its improved algorithms at present are analyzed，and then a more reliable and reasonable approach is introduced in which user-interest is involved to solve the problem of multi-value and the double nodes as well.The improved MID 3 algorithm is proved efficient by the experiment in which several ID3 algorithms are compared.

Key words: decision tree, MID3 algorithm, user-interest

王永梅1，胡学钢2. 基于用户兴趣度和MID3决策树改进方法[J]. 计算机工程与应用, 2011, 47(27): 155-157.

WANG Yongmei1，HU Xuegang2. Improved decision tree algorithm based on user-interest and MID3[J]. Computer Engineering and Applications, 2011, 47(27): 155-157.

[1]	张敏，彭红伟，颜晓玲. 基于神经网络的模糊决策树改进算法[J]. 计算机工程与应用, 2021, 57(21): 174-179.
[2]	谭正华，戴立平，文阳，李国泰. 基于约简属性和阈值分割的决策树构建方法[J]. 计算机工程与应用, 2020, 56(22): 160-165.
[3]	陈景霞，郝为，张鹏伟，谢佳. RSVP与SSVEP混合脑电信号刺激与多类事件检测[J]. 计算机工程与应用, 2020, 56(15): 132-139.
[4]	王丽苗，许青林，姜文超，符基高. 集成FM的短视频喜好率预测模型[J]. 计算机工程与应用, 2020, 56(14): 118-122.
[5]	依不拉音·吾斯曼，郭文强，于凯. 面向多形式维文的敏感信息过滤算法研究[J]. 计算机工程与应用, 2020, 56(10): 127-133.
[6]	苏翀，任曈，王国品，殷杰. 利用决策树建立慢性阻塞性肺病中医诊断模型[J]. 计算机工程与应用, 2019, 55(3): 225-230.
[7]	王玉源，徐杰，吉卫喜. 基于监督式机器学习的零件几何特征智能识别[J]. 计算机工程与应用, 2019, 55(22): 225-230.
[8]	刘俊杰，王珺，王梦林，王悦. SDN中基于C4.5决策树的DDoS攻击检测[J]. 计算机工程与应用, 2019, 55(20): 84-88.
[9]	王燕，郭元凯. 改进的XGBoost模型在股票预测中的应用[J]. 计算机工程与应用, 2019, 55(20): 202-207.
[10]	曹卫东1，2，许代代2，王静2，王家亮2. 民航NOSHOW预测及强因子关联分析[J]. 计算机工程与应用, 2019, 55(2): 221-227.
[11]	赵攀1，袁杰1，王宏伟1，2，米汤1. 基于决策树的羽流追踪机器人自主决策方法研究[J]. 计算机工程与应用, 2019, 55(14): 254-259.
[12]	安葳鹏，尚家泽. 决策树C4.5算法的改进与分析[J]. 计算机工程与应用, 2019, 55(12): 169-173.
[13]	潘杰1，渡边政彦2，周宽久1，梁浩然1，崔凯1. 嵌入式软件形式化建模方法[J]. 计算机工程与应用, 2018, 54(8): 61-71.
[14]	汪良楠，肖迪. 基于CCS优化的FDT集成分类算法研究[J]. 计算机工程与应用, 2018, 54(5): 127-131.
[15]	薛朋强，鲜英，努尔布力，吾守尔·斯拉木. 面向维吾尔文的敏感信息过滤方法研究[J]. 计算机工程与应用, 2018, 54(5): 236-241.

基于用户兴趣度和MID3决策树改进方法

Improved decision tree algorithm based on user-interest and MID3

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics