决策树在计算机中的存贮与计算

针对统计决策中的决策树决策法,提出了一种在计算机中存贮和计算决策树的方法,使得对决策树的描述十分简单、清晰,便于决策树的计算的程序实现,对于决策树决策法的进一步推广有一定的实际意义。     

决策树分析法在风险决策中的应用

决策树是风险型决策中的一种决策方法．与矩阵决策法相比,决策树具有方便简捷、层次清楚、能形象地显示决策过程等优点．本文较详细的介绍了决策树的思想及决策树的生成方法．并通过实例给出了决策树在决策问题中的具体应用方法．     

多变量决策树的构造算法研究

应用粗糙集理论,提出了一种新的多变量决策树构造算法.该算法以核相对于决策类的泛化来划分样本集,如果所划分子集的样本存在不一致决策类并且未用于划分的属性为空时,试探着分别把该子集和一致性子集合并,计算各合并子集的条件类对决策类的确定性程度,选择确定性程度大的作为同一子集,并用一致性子集的类标号进行标示.和苗夺谦提出的多变量决策树算法比较,本算法充分考虑了训练集中的噪声数据,允许在构造决策树的过程中划入正域的实例类别存在一定的不一致性,可简化生成的决策树,提高决策树的泛化能力.     

浅谈决策树在风险决策中的应用

针对风险决策中的决策树问题,举例分析了决策树如何为决策者提供最优方案.     

基于熵的决策可信度分析

从分类的角度进一步阐述了信息熵的概念，使得利用信息熵的方法构造决策树有了更加坚实的数学基础，研究了信息熵与决策可信度的关系，给出了利用信息熵计算决策最大和最小可信度简单、直观易操作的算法，在期望信息熵较小时计算得出的最大和最小可信度是非常接近的，因此可以用它来做估计决策可信度的依据，实验结果也表明计算的结果和实际的决策可信度是非常接近的。     

风险型长期投资的识别和决策分析方法

长期投资是企业为了适用今后若干生产经营上长远需要而投入大量资金，并期望获得更多回报的经济活动。长期投资分为确定型，风险型和不确定型。风险型投资可用模糊数学的方法进行识别。风险型长期投资可计算期望值，标准离差率进行决策；也可用决策树的方法来进行决策；还可用模糊数学方法进行决策。     

施工企业前期投标决策的影响因素浅析

施工企业投标前期的决策方法有：加权评分比较法和决策树法.投标报价策略有：生存型报价策略、信誉型报价策略和盈利型报价策略.投标的成功与否在很大程度上取决于投标企业对投标项目的决策.影响投标项目决策的因素有：施工企业自身情况、招标项目状况、业主情况和竞争对手情况,它们相互制约,共同作用.     

一种基于多属性模糊决策的英文韵律短语边界预测方法

对于各类TTS(Text to Speech)系统而言,能否准确地预测韵律短语边界对TTS系统的效果有着关键性的影响.目前常使用决策树来做韵律短语边界预测,但这种方法受到了训练数据的均衡性以及决策算法本身无法达到全局最优的制约.为了改善预测效果,在传统的决策树方法之上,将决策树使用的聚类属性与模糊决策相结合,提出通过多属性模糊决策方法来预测英文韵律短语边界.实验表明,使用这种方法后,效果比基于决策树的预测方法的效果有较大提升,F-Score由64. 4%提升到69. 3%,不可接受率也从28. 6%降低到21. 4%.     

教育装备研究过程的决策树分析法

介绍教育装备开发研制的决策过程、决策类型,并通过教育装备研制方案决策实例来说明如何运用决策树进行决策分析,为解决类似的问题提供方法和思路。     

C4.5决策树法在网络课程知识点个性化设计中的应用

决策树是归纳学习和数据挖掘的重要方法,通常用来形成分类器和预测模型。对网络课程知识点个性化设计中的大量数据,运用数据挖掘算法中的决策树C4.5算法对所给数据进行处理,选取决策属性,构造决策树,提取分类规则,获取每一个知识点与不同类型的学生之间的关系。通过实验仿真发现,C4.5决策树算法取得了较为理想的分类预测效果。     

高职院校实验教学质量评价中决策树的应用研究

对于计算机教学中的质量评价需要采用新型的决策树来进行评价,实现教学质量的优化升级。决策树方法是一种以数据挖掘为核心技术的算法,主要的优势在于能够从整合的数据中找出潜在的、对决策有价值的信息。文章就针对高职院校实验教学质量评价中决策树的应用进行系统的研究。     

决策树算法在计算机教学评价数据挖掘中的应用

将决策树ID3算法应用到计算机教学评价数据挖掘中,建立学生考试成绩是否优秀的决策树,并利用事后修剪法实现分类决策树的剪枝。最后由决策树产生分类规则,建立考试成绩优秀分析决策树模型。     

旅游经济决策刍论

旅游经济决策应遵循确立目标、提出备选方案并进行方案评估论证的程序。一般采用系统论证、平衡协调、经济模型、决策树分析等方法进行,以提高决策水平,减少决策风险。     

建设工程项目经济与管理教材中的若干问题

本文参考若干技术经济学教材，对建设工程项目经济与管理中线性盈亏平衡分析的前提，非常规项目的内部收益率指标，非确定型决策四种决策准则的缺点，以及决策树法考虑资金时间价值的情况进行探讨，以供有关人士参考。     

决策树算法在网络购物决策中的应用

利用决策树算法了解消费者网络购物时的影响因素,有利于商家改进营销策略.采用随机抽样的方式对500名被试进行问卷调查.对影响消费者网络购物决策的因素建立分类回归树.结果表明,决策树可以有效地用于网络购物决策的分类预测;按重要性提取规则,消费者自身的网络购物经验对网络购物决策影响较大,消费者对网络购物的财务风险、隐私风险等风险感知因素也是预测网络购物决策的重要指标,除此之外商家提供的售后服务、界面操作的便利性以及消费者自身的特征也会在一定程度上反映购物决策.     

决策树算法中过度拟合的研究与解决方案

决策树算法广泛应用于模式识别和机器学习等领域,用来解决与分类相关的问题。决策树算法中的过度拟合会在很大程度上影响到最终的分类结果。针对过度拟合产生的原因,采用悲观错误剪枝方法,对学生成绩决策数据进行分析,得出影响学生成绩的重要因素。实验表明,该方法可以得到尽可能短的分类规则,有效地提高了决策树的性能。     

数据挖掘中决策树分类算法的研究与改进

决策树分类算法是数据挖掘中一个重要的内容,而ID3算法又是决策树分类算法中的一种重要方法且被广泛应用。然而在实际应用过程中,现存的决策树算法也存在着很多不足之处,如计算效率低下、多值偏向等。为了解决这些问题,提出了一种基于ID3算法的加权简化信息熵算法,它提高了决策树的构建速度,减少了算法的计算运行时间,同时也克服了ID3算法往往偏向于选择取值较多的属性作为测试属性的缺陷。并且随着数据规模的增大,决策树的分类性能表现得越好。     

决策树C4.5算法改进与应用

针对决策树算法C4.5在处理数据挖掘分类问题中出现的算法低效以及过拟合问题,提出一种改进的TM-C4.5算法。该算法主要改进了C4.5算法的分支和剪枝策略。首先,将升序排序后的属性按照边界定理,得出分割类别可能分布的切点,比较各点的信息增益和通过贝叶斯分类器得到的概率,使用条件判断确定最佳分割阈值;其次,使用简化的CCP(Cost-Complexity Pruning)方法和评价标准,对已生成决策树的子树根节点计算其表面误差率增益值和S值,从而判断是否删除决策树节点和分支。实验结果表明,用该算法生成的决策树进行分类更为精确、合理,表明TM-C4.5算法有效。     

一个在数据流上快速建立决策树的算法

决策树分类器是一个重要的数据挖掘问题，在数据流上建立决策树的关键问题是如何计算内部节点的最佳分裂标准。现有的算法有的不能处理数值型的属性，有的计算代价太高。本文采用将数值型的属性值分成适当的区间，根据它们gini index值的特殊性质，确定具有最大gini indes梯度的区间，因而可以快速地计算最佳分裂点，实现在流数据上快速地建立决策树。     

决策树C4.5算法在学生成绩评估中的应用研究

文章主要采用数据挖掘技术中的决策树C4.5算法,对本校学生成绩中的大量数据进行处理,从中选取决策属性,构造决策树,并提取分类规则,从而获取不同类型的学生与成绩之间的关系.试验结果表明,C4.5算法能够将数据进行准确分类和预测,最终得到有价值的结论,供教师决策分析.