一种改进的基于粗糙集的决策树算法

将数据挖掘中的决策树与粗糙集理论进行了有机结合,提出了一种基于粗糙集技术的决策树构造算法.该算法通过将计算属性相对于划分的重要度作为选择扩展属性根结点的标准,递归地生成决策树,可以克服ID3算法偏向于选择取值较多的属性的不足.     

一种改进的ID3算法

决策树是数据挖掘中重要的分类算法，通常用来形成分类器.ID3算法是决策树中的核心算法.针对ID3算法倾向于取值较多的属性的缺点，引进属性重要度对ID3算法予以改进，并通过实验对改进前后的算法进行了比较.实验表明，改进后的算法是有效的。     

基于正域的决策树构造方法

决策树是数据挖掘中的一种重要分类方法.在此以粗糙集理论中的正域为启发式函数,设计了一种新的、有效的决策树构造方法.该算法具有较大的灵活性.能从测试属性空间逐次删除已使用过的属性.避免对这些属性进行重复测试,减少测试空间,降低了树的复杂性,从而提高了分类效率.最后,实例验证了算法的可行性与有效性.     

基于LightGBM算法的信用风险评估模型研究

对于银行、P2P等金融机构而言,如何在扩大业务规模的同时,有效控制并合理防范信用风险尤为重要。基于LightGBM算法,根据借款申请人提供的相关个人信息,建立分类预测模型,对借款人是否会逾期、是否该发放贷款进行预测研究。实验结果表明,相较于普通决策树算法,LightGBM预测精度提升了40.8%,且具有较好的鲁棒性,可满足信用评估要求。基于LightGBM的信用评估模型不仅拥有更快的训练速度和更高的训练效率,同时还占用更少的内存,具有支持数据并行处理能力。利用该模型可对用户信用风险进行较为准确的预测,对贷款机构风险管理有重要参考价值。     

基于决策树分类的HTTP隧道检测方法

HTTP隧道是各种木马和间谍软件进行网络通信的主要途径,严重威胁了网络安全。比较有效的算法主要是统计指印方法,统计指印采用的特征较少,对训练集的依赖程度较高,算法的稳定性较差。决策树分类算法提取了网络数据流更多的有效特征。使用决策树分类算法对HTTP隧道数据进行了检测,通过实验结果对比,决策树算法的稳定性更好,精确度和效率更高。     

ID3决策树算法的改进

针对现有决策树中ID3算法倾向于取值较多的属性的缺点,提出一种利用优化法的思想来改进信患增益的算法。用ID3算法及改进后的算法建立金融企业决策树分类模型,利用某银行提供的客户信息和银行业务信息等数据,通过客户存款情况,探讨对金融客户进行分类,研究忠实客户的特征。实验中两个方案的比较表明,利用优化法算法来选择决策树分支取值,不但可以加快决策树的生长,而且最重要的是可以得到结构好的决策树,便于从中挖掘好的规则信息。特别是在使用决策树算法来挖掘的数据越多,算法的效率和性能就越好,算法的优越性就越明显。     

基于 ID3 决策树算法的改进研究

决策树是典型的归纳学习和数据挖掘方法,通过对数据库中获取的数据项属性值进行划分归类,最终形成类似于流程图的树型结构形式。ID3算法是决策树中的核心算法,针对ID3算法倾向于取值较多的属性的缺点,通过引入泰勒公式与麦克劳林公式,对传统算法进行降维,减小算法的计算复杂度,提高算法运行效率,使决策树的生成时间缩短,算法的效率得到了较大的提高。     

基于决策树的学生成绩分类研究

本文根据决策树分类技术对福建省计算机等级考试中的成绩进行分析和挖掘.首先对成绩数据进行离散化处理,设置成决策树分类的属性数据;接着利用ID3改进算法构建成绩分类的决策树模型,并对其剪枝;最后根据模型给出相应的规则和几个教学建议.实验结果表明,利用决策树分类技术在计算机等级考试中进行挖掘分析的方法是有效可行的.     

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。     

基于ID3算法的企业产品安全库存量预测

通过构建企业数据仓库,对数据仓库中的数据进行归约预处理后, 得到训练样本集, 采用ID3 算法建立一棵企业客户购买力分类决策树, 通过对企业客户购买力的分析,科学地预测企业产品的安全库存量.     

改进的决策树算法在教务管理数据挖掘系统中的应用

决策树算法是数据挖掘系统中一个重要的分类算法,选择合理而有效的测试属性以及对决策树进行适当的修剪是决策树算法的关键内容之一。将决策树算法引入教务管理挖掘系统,并对决策树测试属性的选择算法以及预剪枝算法进行改进。以九江学院学生四级考试信息为例,结果表明改进的决策树算法对于数据挖掘更具可靠性和有效性。     

改进的决策树算法在教务管理数据挖掘系统中的应用

决策树算法是数据挖掘系统中一个重要的分类算法,选择合理而有效的测试属性以及对决策树进行适当的修剪是决策树算法的关键内容之一。将决策树算法引入教务管理挖掘系统,并对决策树测试属性的选择算法以及预剪枝算法进行改进。以九江学院学生四级考试信息为例,结果表明改进的决策树算法对于数据挖掘更具可靠性和有效性。     

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．     

基于核属性的决策树构造算法研究

决策树是一种重要的分类方法.本文分析了单变量决策树和多变量决策树的不足,提出一种基于核属性的决策树构造算法,该算法根据核属性存在的不同情况,选择结点的分裂属性.所创建的决策树规模适中,导出的规则简洁、支持度高.实验结果分析表明,该方法是有效的。     

改进的ID3算法及其在大学公共体育教学中的应用

决策树算法是数据挖掘中的一种经典算法,常用的决策树算法有ID3算法、C4.5算法等.分析了ID3算法在应用中的优缺点,并对其进行了简单改进,即将复杂的计算公式转化为只含有加、减、乘、除的简单式子.在此基础上将其应用于大学公共体育教学质量评价中,找出了影响教师评价结果的重要因素,为科学评价教学提供了思路.     

约简算法在商业银行CRM中的应用研究

针对银行CRM中的数据冗余大、数据挖掘效率低的问题,将基于属性约简的数据预处理方法应用在银行CRM中.使用决策表属性重要度属性约简算法简化客户贡献度决策表,实现决策表条件属性的归约.通过该算法在某商业银行CRM数据预处理过程中的实际应用,证实约简算法应用在银行CRM系统是有效可行的.     

分类决策树在交通事故成因分析中的应用

交通事故的形成常涉及多种因素,如驾驶人本身、车辆、环境等.以数据挖掘技术中的ID3分类决策树算法对交通事故数据进行分析和研究,得出蕴含在数据中的有益模式,决策树构造结果显示,分类决策树应用于交通事故成因分析中具有可行性与有效性.     

数据挖掘技术中的决策树算法研究

介绍了数据挖掘技术的概况,对数据挖掘中的核心算法—决策树算法的原理进行了研究,特别说明了决策树属性的选择,给出了一个实例。     

ID3分类及其剪枝算法研究

分类是数据挖掘的一个重要课题。分类的目的是建立一个分类模型,该模型能把数据库中的数据项映射到给定类别中的某一个利用该模型形成分类规则并预测未来数据趋势。决策树归纳是经典的分类算法,构建决策树模型算法中最有影响力的方法是ID3算法。针对ID3算法缺点,使用预剪枝和后剪枝相结合的办法处理决策树中的过学习情况,可生成一个更简单、更精确的决策树。     

决策树挖掘算法在教评体系中的应用研究

对高校教学质量评估体系中学生的大量评教数据和教师的档案数据进行数据挖掘,重点研究决策树方法中的ID3算法在教学质量评估体系中的应用。利用决策树挖掘算法挖掘影响教学质量的关键因素,找出数据的内在规律,并对挖掘结果进行分析,从中提取有用信息,才能更好地为管理决策分析提供科学依据。