[发明专利]一种不确定离散数据的决策树分类器构建方法

摘要

本发明提出了一种不确定离散数据的决策树分类器构建方法，由于数据样本属性值具有不确定性和离散性，先对属性值进行合并排序，根据类对不确定属性进行属性值运算，记为概率势。再根据目标函数进行分裂属性选择，这样构建的决策树就可以实现对离散不确定数据的分类和预测，同时构建的决策树分类准确度高、更好的规避了信息偏置为数量级大的问题以及更适用于对实际数据挖掘问题的应用。

主权项

一种不确定离散数据的决策树分类器构建方法，该方法涉及机器学习、人工智能以及数据挖掘领域，其特征是，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,同时分裂属性对应了m个类L，其中,,,，其中属性值含有不确定性步骤2：把不确定性数据属性的属性值合并排序，根据类对不确定性数据属性进行属性值运算，记为概率和,对类进行处理得每一分支属性值的概率势步骤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，根据下面目标函数从候选属性中选择为不确性数据属性值对应类为的属性值，为不确性数据属性值对应类的期望值当选择属性满足目标函数越大时，则找到标记节G步骤8：标记节点G为属性步骤9：由节点延伸出满足条件为分支以及子分支,如果满足以下两条件之一，就停止建树9.1这里假设为训练数据集中的样本集合，如果为空，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。