[发明专利]面向情报大数据的决策树增量学习方法

摘要

本发明提供的是一种面向情报大数据的决策树增量学习方法。在分裂结点之前，把结点中每个候选属性的多个属性值分别合并成两组，选择信息增益最大的候选属性将结点分为两个分支。在选择下一个将要分裂的结点方面，为所有候选分裂结点计算对应的结点分裂度量值，并且总是选择结点分裂度量值最大的候选结点作为下一个分裂结点。IID5R增加了评估分类属性质量的功能。本发明将NOLCDT与IID5R相结合，提出了一个混合分类器算法HCS，主要有两个阶段组成构建初始决策树和增量学习。根据NOLCDT建立初始决策树，然后使用IID5R进行增量学习。HCS算法综合了决策树以及增量学习方法的优点，既便于理解又适于增量学习。

主权项

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nb，并且将结点nb从待分裂结点集合Q中删去；步骤四、分裂结点nb，并且计算分裂结点nb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nb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nb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。