[发明专利]基于不确定连续属性的决策树分类器构建方法

摘要

基于不确定连续属性的决策树分类器构建方法，对X个样本数据进行分类，样本数据中存在不确定连续数据，把不确定连续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创建决策树，根据本发明所创建的目标函数选择出根据条件停止建树。本发明构成的决策树更好的规避了信息偏置为数量级大的问题；可以实现对象为不确定连续属性的归类和预测功能；此构建的决策树分类准确度高；此构建的决策树更适用于对实际数据挖掘问题的应用。

主权项

基于不确定连续属性的决策树分类器构建方法，本发明涉及机器学习、人工智能以及数据挖掘领域，具体涉及一种基于不确定连续属性的决策树分类器构建方法，其特征是，包括如下步骤：步骤1：设不确定连续属性训练集中有X个样本，属性个数为n，即同时分裂属性对应了m个类L，其中其中属性值具有连续不确定性步骤2：把不确定连续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：由于连续属性值的不确定性，根据下面目标函数从候选属性中选择步骤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：保存已生成的连续不确定性属性的决策树分类器。