简介：分类在数据挖掘中是一项非常重要的任务，决策树方法是一种常用的方法。本文重点介绍了决策树建立的基本原理，对算法所面临的问题进行了阐述，为数据分类研究者提供借鉴．

简介：摘要在机器学习与大数据飞速发展的21世纪，各种不同的算法成为了推动发展的基石.而作为十大经典算法之一的决策树算法是机器学习中十分重要的一种算法。本文对决策树算法的原理，发展历程以及在现实生活中的基本应用进行介绍，并突出说明了决策树算法所涉及的几种核心技术和几种具有代表性的算法模式。

简介：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.

简介：随着现实生活中数据集规模的不断增大,提出一个有效的分类算法势在必行。现今很多已有的算法是针对减少支持向量的数目来提高分类的效率,文章提出了一个基于决策树的支持向量机算法,旨在通过减少测试集的数目来提高支持向量机在测试阶段的分类速度。基于决策树的支持向量机算法的思想是利用决策树算出支持向量机的大致决策边界,决策树上含有单变量节点和SVM节点,支持向量机用来对靠近决策边界的重要的数据点进行分类,剩下的相对不重要的数据点用决策树对其进行快速分类。

简介：ID3算法是示例学习中建立决策树的一种重要的方法．介绍了ID3决策树算法的基本思想，讨论了ID3决策树算法中的难点和不足．结合实例给出了利用信息增益度法来改进ID3算法的详细过程．

简介：本文作者从实际应用出发，对现存数据挖掘决策树分类方法进行了研究，并应用到系统当中，实现了决策支持模块。关键词数掘挖掘；决策树算法；改进；实现中图分类号TP301.6文献标识码A文章编号1007-9599(2010)04-0000-02DataMiningDecisionTreeImprovement&ImplementationXiaYan,ZhouXiaohong,WangDong（ChangchunTechnologyCollege,Changchun130033,China）AbstractTheauthorstudiedonexistingDataMiningdecisiontreeclassificationmethodbasedonthepracticalapplication,andappliedtothesystem,achievedadecisionsupportmodule.KeywordsDataMining;Decisiontreealgorithm;Improve;Achieve随着数据库技术的不断发展及数据库管理系统的广泛应用，数据库中存储的数据量急剧增大，在大量的数据背后隐藏着许多重要的信息，如果能把这些信息从数据库中抽取出来，将会产生重要的作用。因此，数据挖掘涉及的学科领域逐渐扩大，数据挖掘的方法也在不断地改进和提高。分类在数据挖掘中是一项非常重要的任务，分类算法可以分为决策树分类算法、遗传算法、神经网络方法、K-最近邻分类算法等。这里，以疾病防控与儿童免疫管理系统中决策支持子系统的开发过程为例，对决策树分类算法的改进及在实际中的应用进行阐述。一、数据选取和数据预处理在本系统中，以预防接种中遇到异常反应后记录的“异常反应调查表”中的数据为例进行说明。具体实现过程详细说明首先输入训练集，由于在真实的SQLServer数据库当中，为了降低存储要求和减少存储时间，并非真正存储每个数据项的属性值，而是用存储数字来对应相应的意义，如在数据库的数据表中，“性别”字段中“1”代表“男”、“2”代表“女”，反应到程序页面时再映射回原来的值，为了说理清晰又限于篇幅，这里只将所有数据集中有代表性的十几组数据作为分类模型创建的输入训练集。表1判断是否需要计划外加强免疫的属性表儿童编号月龄出生状态常住地上次注射后反应是否需要计划外加强免疫0405102<=2正常产城市无不良反应否0405495<=2正常产农村无不良反应否0401342>5正常产城市无不良反应是04054352…5正常产城市轻度反应是04065342…5非正常产城市重度反应是04072342…5非正常产农村重度反应否0401544>5非正常产农村重度反应是0408519<=2正常产城市轻度反应否0404566<=2非正常产城市重度反应是04035472…5非正常产城市轻度反应是0401534<=2非正常产农村轻度反应是0405856>5正常产农村轻度反应是0409533>5非正常产城市无不良反应是04053442…5正常产农村轻度反应否二、生成决策树对训练集的每一个属性，计算其信息增益。以“月龄”属性为例，每个结点中的正反例的个数分别为［2，3］、3，2、4，0，分别计算如下info2，3==0.971；info3，2==0.971；info4，0=0；计算信息熵E(月龄)＝＝0.693；计算该属性的信息增益量，选取信息增益最大的属性为节点，按该属性的值划分数据集合Gain(月龄)=Info(9，5)-E(月龄)=0.940-0.693=0.247；同理，对“注射反应”属性、“出生状态”属性、“常住地”属性都可计算每个结点的正反例的个数（由于篇幅有限，不作计算）。通过对各属性信息增益的计算结果，选择“月龄”属性作为根节点，然后划分“月龄<=2”的所有可能性。计算当“月龄<=2”时，“注射反应”、“出生状态”、“常住地”的信息增益值Gain(注射反应)=Info(2，3)-E(注射反应)=0.971-0.4=0.571；Gain(出生状态)=Info(2，3)-E(出生状态)=0.971-0=0.971；Gain(常住地)=Info(2，3)-E(常住地)=0.972-0.951=0.020；同理考虑“月龄>5”的情况，由于“月龄>5”时，各个节点都是纯节点，所以不再划分。三、产生决策规则遍历决策树，输出叶结点类属性值，用IF—THEN形式表达为IF(月龄2…5AND注射反应=无)THEN(类别＝是)IF(月龄2…5AND注射反应=轻)THEN(类别＝是)IF(月龄2…5AND注射反应=重AND出生状态＝正常产)THEN(类别＝是)IF(月龄2…5AND注射反应=重AND出生状态＝非正常产AND常住地=城市)THEN(类别＝否)IF(月龄2…5AND注射反应=重AND出生状态＝非正常产AND常住地=农村)THEN(类别＝是)……依此类推，共可产生十三条规则。四、决策支持子系统的分析用上述基于决策树的分类算法所得到的模型生成的规则来预测测试集中的未知数据属于哪一类，并通过该模型的测试结果与实际情况相吻合的准确率来判断该决策树是否有效。首先，用整个数据集中2/3的数据作为训练集按照基于决策树的分类算法来建立模型，生成一棵决策树。然后，用余下的1/3的数据作为测试集，通过创建的模型进行预测，并将预测结果和实际值进行比较。如果准确率达到或超过事先确定的阈值，则可以认定该模型对于数据分类是有效的，能够在实际中应用；反之，则认定该模型的分类效果不好，需要按以上步骤来重新判断，直到分类准确率达到预定的阈值为止。在本系统中，经过测试预测准确率已达到87%，在可以接受的范围内，所以算法是有效、可行的。参考文献1陈文伟,黄金才.数据仓库与数据挖掘.人民邮电出版社,20042王万森.人工智能原理及应用.电子工业出版社,20003范明,孟小峰.数据挖掘——概念与技术.机械工业出版社,2001作者简介夏琰（1980-），女，吉林长春人。长春职业技术学院信息技术分院，教师，讲师，硕士，研究方向为计算机应用。

简介：要针对决策树ID3算法复杂的对数运算以及属性取值多向依赖的缺陷，提出了一种改进的CEID3算法。该方法引入粗糙集论中属性重要度和关联度的概念，并依据这两个概念对决策树ID3算法进行有效改进。仿真结果表明，新算法简化了运算使得终形成的决策树更加符合实际需求。

简介：电网企业当前面临的客户风险主要体现在客户拖欠电费及偷窃电两方面。为降低电力客户在拖欠电费方面的风险,文章在分析了引起电力客户拖欠电费原因的基础上,深入挖掘分析客户缴费、欠费行为,设计了欠费风险识别相关的关键影响变量,运用决策树算法建立了客户欠费风险识别模型,进行客户欠费风险预测。利用该模型,针对高风险客户提前采取相应策略和措施,可改变以往事后欠费管理的被动局面,实现降低电力客户欠费风险的目的。

简介：摘要电网企业的主要经营利润来自于电费回收。结合电力客户的基本属性信息，关联不同类型用电客户的缴欠费行为，对客户欠费风险进行预测，便于电网公司针对不同风险等级客户提前制定差异化的电费催缴策略和防范措施，缩短企业的电费回收周期，有效降低经营压力。

简介：决策树是数据挖掘分类问题算法中一种性能较好的算法，本文主要研究自决策树在数据挖掘中应用以来存在问题，主要是可扩展性问题。综述了国内外针对此问题所提出的解决方法，以及分析了改进算法的优缺点，以便有利于对决策树关键问题，即扩展性问题的研究。同时本论文中所研究的算法的思想也有助于数据挖掘中其它领域解决大数据集问题。

简介：通过分析决策树算法（ID3算法）的特点，指出了算法在分析犯罪行为、构建预警模型中的重要作用。并运用决策树算法对实例进行分析及建模，充分显示了决策树算法在挖掘犯罪行为信息中的有效性，为决策树算法在公安信息化工作中的应用提供了新的思路。

简介：介绍了基于决策树算法的几种分类技术,重点介绍了具有很大影响的ID3算法,对几种算法进行了总结比较。

简介："平行志愿",指在某个录取批次设置的院校志愿均为并列的志愿。平行志愿与传统志愿的根本区别在于投档方式上的区别。平行志愿改变了传统的"志愿优先"的投档原则,首先按照分数将考生排序,然后按照顺序依次检索考生所填报的志愿,一旦出现符合投档条件的学校,即向该校投档,体现了"分数优先,遵循志愿"的原则。从2009年开始,云南省普通高等学校招生开始试行"平行志愿"设置及投档办法。

简介：摘要：在移动通信领域革新发展中，电信运营商要想为客户提供高质量的服务，需要将注意力放在如何提升增值服务的价值。数据挖掘会对大量数据信息进行分析探讨，并由此掌握其中所隐藏的知识技能，将其运用到移动通信业务革新中，可以在掌握客户消费行为意识的基础上，准确识别使用增值服务的用户特征，以此帮助移动通信业务人员进行准确推广。因此，本文在了解决策树分类算法及其在移动通信中的应用体现，深入探讨模型算法的应用性的，并对未来移动通信行业的发展进行总结展望分析。

简介：基于决策类划分多变量决策树是一种新型的决策树算法,该算法对训练集分区进行多变量决策运算后,可能取得多个决策逻辑规则。最优逻辑约简法则使用逻辑运算及选择运算构造出一种择优运算方式,以取得最优的逻辑约简规则,是对该算法的一种有效补充。实验证明该算法在取得最优决策逻辑规则方面效果明显,但在现实情况中可依据实际情况不同对引用此法则进行取舍。

简介：数据挖掘技术及决策树简介数据挖掘就是从大量的不完全的有噪声的模糊的随机的实际应用数据中，抽取隐含在其中的、事先并不知道的、但又是潜在有用的信息和知识的过程。决策树算法作为常用的数据挖掘技术之一，其基本思想是将实例库中记录的大量有限的具体事实数据进行归纳和分类并建立树型结构，以发现并形成隐含在大量实例中的若干形式化的分类判别规则，典型的决策树算法方法有ID3方法和IBLE（Information—basedLearningfromExample）方法。

简介：本文提出了一种混合决策树的调度知识获取算法,在获取到最优特征子集和最优参数后生成调度知识,利用GASA混合优化方法求解在不同调度目标下的制造系统的近似最优特征子集

简介：基于多类别肿瘤基因表达谱数据集，从研究肿瘤与正常组织的分类入手，对肿瘤分类特征基因选取问题进行分析和研究。将决策树算法应用到肿瘤基因表达谱分类研究中，尝试引入遗传算法，对决策树分类规则进行优化。试验结果表明，在样本有限的情况下，该方法比单个决策树具有更高的分类精度。

简介：目前的选课系统中数据仓库的数据堆积严重，其中的隐藏信息越来越难发现，通过数据挖掘技术可从浩瀚的数据库中提取所需的关键资源与其相关的数据信息。以选课系统为研究对象，通过改进的C4.5分类算法规划不同专业的学生选课，并通过一套实验数据为课程的搭配提供了一种切实可行的选课方案。

简介：摘要：在大型水库不断新建投产的今日，新增库容对于水库群联合调度有巨大的影响，但这部分库容并未存在于现行调度细则中，本文以双江口水库的投产运行作为实例，结合基于决策树算法的数据挖掘技术，构建其调度规则集，并验证了其合理性。结果表明：决策树规则调度结果与调动模型结果，年均发电量相对偏差为0.75%，发电保证率无偏差，年均弃水量相对偏差为1.77%，生态缺水量无偏差。决策树调度方法具有相当的可行性。研究为长江流域枯水期水库群的联合调度细则提供了必要的理论和实践支持，对保障长江航运的安全与高效具有重要意义。