[发明专利]一种不确定离散数据的决策树分类器构建方法

说明书

技术领域

本发明涉及机器学习、人工智能以及数据挖掘领域，具体涉及一种不确定数据的决策树分类器构建方法。

背景技术

决策树是数据挖掘和机器学习中的一项重要和积极的研究课题。所提出的算法被广泛地和成功地应用于实际问题中，如ID₃，CART和C4.5，决策树这几种经典学习算法主要是研究准确率的问题，生成的决策树有更好的准确率。近些年，信息技术的不断进步使得不确定数据频繁的出现在各个研究领域，如在市场分析、医疗诊断、传感器网络、移动对象跟踪、环境监视等现实场景中，不确定数据广泛存在，并起着至关重要的作用。而传统数据挖掘技术中往往忽略了数据中的不确定性，其研究模型与客观世界不符。所以不确定数据挖掘技术对数据挖掘技术的实际应用有着重要意义。如测量仪器受精度的影响，采集的数据往往包含一定的误差，不是完全准确的，为了提高不确定数据的分类准确率，本发明提出一种不确定离散数据的决策树分类器构建方法。

发明内容

针对于解决不确定数据分类的问题以及提高对其分类的准确率问题，提出了一种不确定离散数据的决策树分类器构建方法。

为解决上述问题，本发明是通过以下技术方案实现的：

一种不确定离散数据的决策树分类器构建方法，包括如下步骤：

步骤1.设不确定离散数据训练集中有X个样本，属性个数为n，即n＝（S₁，S₂，…S_n）,同时分裂属性S_i对应了m个类L，其中L_r∈（L₁，Ｌ₂…，L_m）,i∈（1，2…，n），r∈（1，2…，m)。S_i∈(S₁，S₂，…S_n)，其中属性值含有不确定性。

步骤2：把不确定性数据属性S_i的属性值S_ij合并排序，根据类对不确定性数据属性S_i进行属性值S_ij运算，记为概率和P(S_ij),对类进行处理得每一分支属性值的概率势P(S_ij，L_r)。

步骤3：创建根节点G。

步骤4：如果训练数据集为空，则返回节点G并标记失败。

步骤5：如果训练数据集中所有记录都属于同一类别，则该类型标记节点G。

步骤6：如果候选属性为空，则返回G为叶子结点，标记为训练数据集中最普通的类。

步骤7：由于属性值的不确定性，根据下面目标函数f(S_i)从候选属性中选择splitS_i。

PL(S_ij，L_r)为不确性数据属性值S_ij对应类为L_r的属性值，E(S_ij，L_r)为不确性数据属性值S_ij对应类L_r的期望值。

当选择属性splitS_i满足目标函数f(S_i)越大时，则找到标记节G。

步骤8：标记节点G为属性splitS_i。

步骤9：由节点延伸出满足条件为splitS＝splitS_i分支以及splitS_i＝splitS_ij子分支,如果满足以下两条件之一，就停止建树。

9.1这里假设Y_i为训练数据集中splitS＝splitS_i的样本集合，如果Y_i为空，加上一个叶子结点，标记为训练数据集中最普通的类。

9.2此节点中所有例子属于同一类。

步骤10：非9.1与9.2中情况，则递归调用步骤7至步骤9。

步骤11：保存已生成的不确定离散数据的决策树分类器。

本发明有益效果是：

1，构成的决策树更好的规避了信息偏置为数量级大的问题。

2，可以实现对象为离散型不确定数据的归类和预测功能。

3，此构建的决策树分类准确度高。

4，此构建的决策树更适用于对实际数据挖掘问题的应用。

附图说明