典型文献
融合信息增益与基尼指数的决策树算法
文献摘要：
机器学习中的决策树算法具有重要的数据分类功能,但基于信息增益的ID3算法与基于基尼指数的CART算法的分类功效还值得提高.构造信息增益与基尼指数的自适应集成度量,设计有效的决策树算法,以提升ID3与C A RT两类基本算法的性能.分析信息增益信息表示与基尼指数代数表示的异质无关性,采用基于知识的加权线性组合来建立信息增益与基尼指数的融合度量,开发决策树启发构造算法IGGI.关于决策树,IGGI算法有效改进了ID3算法与CART算法,相关数据实验表明IGGI算法通常具有更优的分类准确度.
文献关键词：
决策树;信息增益;基尼指数;不确定性度量;自适应线性融合;机器学习
中图分类号：
作者姓名：
谢鑫;张贤勇;杨霁琳
作者机构：
四川师范大学 数学科学学院,成都 610066;四川师范大学 智能信息与量子信息研究所,成都 610066;四川师范大学 计算机科学学院,成都 610066
文献出处：
引用格式：
[1]谢鑫;张贤勇;杨霁琳-.融合信息增益与基尼指数的决策树算法)[J].计算机工程与应用,2022(10):139-144
A类：
IGGI,自适应线性融合
B类：
融合信息,信息增益,基尼指数,决策树算法,数据分类,ID3,CART,还值,自适应集成,集成度,益信,数代,代数表示,基于知识,线性组合,立信,融合度,构造算法,不确定性度量
AB值：
0.282334
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
