[发明专利]面向情报大数据的决策树增量学习方法

权利要求书

1.一种面向情报大数据的决策树增量学习方法，其特征是：

步骤一、结点n₀作为决策树T的根结点，计算n₀的结点分裂度量值SC(n₀)，如果n₀是可分结点，那么将n₀放入待分裂结点集合Q中；

步骤二、如果决策树T中叶子结点的个数小于限定的最大叶子结点数并且待分裂结点集合Q非空，对于待分裂结点集合Q中的所有结点重复执行步骤三到步骤六的操作；

步骤三、从待分裂结点集合Q中，挑选具有最大分裂度量值的结点n_b，并且将结点n_b从待分裂结点集合Q中删去；

步骤四、分裂结点n_b，并且计算分裂结点n_b时产生的两个子节点的结点分裂度量值；

步骤五、对于分裂结点n_b时产生的两个子结点中的任意一个子结点，如果该子结点是可以继续分裂的，就将其放入待分裂结点集合Q中；

步骤六、分裂结点n_b之后，如果决策树T的叶子结点的个数等于限定的最大叶子结点数或者待分裂结点集合Q为空，那么就完成分裂过程并将待分裂结点集合Q中所有的结点定义为叶子结点；

步骤七、根据构建的决策树，利用改进的IID5R算法进行增量学习，从而生成最终的决策树。