决策分析与决策树算法优化【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

决策分析与决策树算法优化PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

引言1

1 绪论9

1.1 决策树算法的概述11

1.1.1 决策树基本算法11

1.1.2 ID3算法的起源及概述14

1.1.3 改进的ID3算法C4.5 及决策树算法的改进17

1.2 认知物理学的研究18

1.2.1 认知论的发展和实践意义19

1.2.2 认知物理学概述20

1.2.3 借鉴物理学中的原子模型表示概念22

1.2.4 借鉴物理学中的场描述客体间的相互作用23

1.2.5 借鉴物理学中层次结构描述知识发现状态空间25

1.3 粗糙集理论及其决策树生成算法概述27

1.3.1 基本知识29

1.3.2 属性约简及其规则获取33

1.3.3 基于粗糙集的决策树生成算法34

1.4 结语36

2 基于认知物理学的决策树优化算法37

2.1 基于语言场的知识表示方法39

2.1.1 认知物理学的云理论40

2.1.2 认知物理学的数据场思想42

2.1.3 语言场与语言值结构42

2.1.4 知识表示方法44

2.2 借鉴信息扩散理论研究数据挖掘的后处理45

2.2.1 认知物理中的信息扩散理论45

2.2.2 信息扩散理论用于研究数据挖掘的后处理46

2.3 借鉴信息扩散理论讨论参数波动变化时规则的取舍47

2.3.1 参数演化规律的研究47

2.3.2 参数波动变化时规则的取舍48

2.4 基于信息补偿量的CID3算法49

2.4.1 基于信息补偿量的分类器的构造49

2.4.2 基于信息补偿量的CID3算法53

2.4.3 CID3算法与ID3算法的分析与比较54

2.4.4 实例分析55

2.5 结语58

3 基于信息熵的属性约简算法的研究59

3.1 基于粗糙集理论的属性约简算法62

3.1.1 粗糙集理论的基本思想62

3.1.2 常见的三种属性约简算法63

3.2 理论分析与设计66

3.2.1 基本知识66

3.2.2 求简化决策表的算法68

3.2.3 信息熵属性约简的差别矩阵方法72

3.2.4 基于信息熵的差别矩阵的属性约简算法75

3.3 结语77

4 基于粗糙边界的决策树优化算法79

4.1 传统决策树算法的不足81

4.1.1 传统决策树剪枝的原因83

4.1.2 构造多变量决策树的原因83

4.1.3 基于粗糙集理论的决策树构造算法及其不足84

4.1.4 基于可变精度的ID3改进算法86

4.2 基于粗糙边界的决策树生成算法87

4.2.1 基于粗糙边界的决策树生成算法概述87

4.2.2 基于粗糙边界的决策树生成算法的不足89

4.3 改进的基于粗糙边界的决策树优化算法91

4.3.1 改进算法概述92

4.3.2 实例分析93

4.4 结语96

5 改进基于正区域的决策树优化算法99

5.1 基于正区域的决策树生成算法101

5.1.1 基于正区域的决策树生成算法概述101

5.1.2 基于正区域的决策树生成算法的不足102

5.2 基于依赖度的决策树生成算法102

5.2.1 基于依赖度的决策树生成算法概述102

5.2.2 基于依赖度的决策树生成算法的不足103

5.3 基于粗糙集的决策树生成算法比较103

5.3.1 几种生成算法的相关分析103

5.3.2 等价证明106

5.3.3 基于正区域的决策树生成算法的详细分析106

5.4 基于正区域的决策树优化算法108

5.4.1 改进算法概述108

5.4.2 实例分析111

5.5 结语113

6 基于关联规则的决策树优化算法115

6.1 关联规则挖掘117

6.1.1 关联规则挖掘概述117

6.1.2 关联规则挖掘算法120

6.1.3 关联规则挖掘研究现状122

6.1.4 关联规则挖掘与其他领域的关系123

6.1.5 关联规则挖掘工作的其他方向124

6.2 基于关联规则的决策树的构造126

6.2.1 新属性的生成126

6.2.2 新属性的评价128

6.2.3 基于关联规则的决策树优化算法129

6.2.4 与相关分类方法的比较129

6.2.5 实验验证130

6.3 结语131

结论与展望133

参考文献138