决策树算法的教育应用探讨

简单介绍了数据挖掘的概念和决策树算法技术,尤其是它所牵涉的信息论原理,并结合相关事例简要概述了决策树算法在教育层面上的应用．     

序规则挖掘系统的设计与实现

数据集中对象之间的顺序与对象属性的顺序之间相关性往往是隐含的,分析挖掘这种潜在相关性进而用规则(序规则)表示是十分重要的.该文介绍了一个序规则挖掘系统的设计与实现,主要介绍了系统的数据预处理部分,序规则挖掘与生成算法部分特别是有序决策树(ODT)算法.     

一种面向大数据分析的快速并行决策树算法

为了提高基于大规模数据的决策树训练效率,提出了一种基于Spark平台的并行决策树算法(SPDT).首先,采用数据按列分区的方法,把单个属性列完整地保留在一个分区内,使缓存该分区数据的数据节点能独立完成信息熵的计算,以减少数据节点之间的信息交流造成的网络资源的占用.然后,数据在按列分区后以稠密向量的形式缓存于内存中,SPDT对数据进行压缩,以减少对内存的占用.最后,SPDT采用基于边界点类别判定的连续属性离散化方法来处理连续属性,减少决策树训练过程中信息熵计算的频次,并提出使用信息增益比划分训练数据集的方法,以减少信息增益计算对多属性值属性的依赖.实验结果表明,在树的训练效率方面,SPDT在保持分类精度的情况下,比Apache Spark-MLlib决策树算法(MLDT)以及基于Spark平台的垂直划分决策树算法(Yggdrasil)有明显的提升.     

基于电力客户分群特征的停电敏感度预测算法研究

基于电力客户分群特征,以广东省某市级供电局全体145.2万客户为研究对象,采用决策树方法对停电敏感度预测算法进行了研究.结果表明,在测试集中,非居民及居民客户的验证集累积提升度曲线及敏感客户累积提升度曲线具有比较接近的变化趋势,这表明决策树CHAID算法模型的普适性较好,在模型中过拟合问题不存在.决策树CHAID算法模型在客户总量上有明显的差别,且在实际停电时住宅客户和非住宅客户群体间的敏感度比例也有很多差别.通过分析决策树CHAID算法模型、稀疏逻辑回归模型、 SVM支持向量机模型3种算法的预测准确率,在居民客户、非居民客户以及全体客户预测准确率中,决策树CHAID算法均高于另外两种模型.     

SPRINT分类算法的改进

在数据挖掘中分类是一个重要的研究方向,SPRINT算法是分类算法中很著名的算法。分析了SPRINT算法存在的不足和可以改进的地方。提出一种提高SPRINT算法建树速度的新方法。     

基于相似依赖度的属性加权决策树算法

粗糙集分析方法利用数据本身提供的信息,不需要任何先验知识即可对已有的知识进行处理,在保留关键信息的前提下,对数据进行简化并求得属性组合。在此基础上提出了一种基于相似依赖度的属性选择算法,从约简出的属性组合中选择与决策属性最为相似的核集,根据属性的相似依赖度作为决策树的加权值,从而建立决策树。通过对影响学生成绩因素的数据进行分析表明,所提出的算法是易于实施的,而且形成的决策树的准确率也有了一定的提高。     

数据挖掘技术在团体医疗保险中的应用

将数据挖掘中的决策树技术应用于团体医疗保险理赔数据库中，提出了基于Clementine数据挖掘平台的理赔风险解决方案，为保险公司团体医疗保险理赔风险规则的提取和费率厘定提供决策依据，以提高团体医疗保险管理的科学性．     

决策树学习在RoboCup仿真球队中的应用研究

通过对基于决策树的学习方法的探讨,该文提出了一种用于RoboCup仿真球队中Agent“行为选择能力”的训练算法,使得Agent能够根据当前场上的状态,决定下一步的行动。并以射门为实例,用该方法对Agent进行训练,使Agent学会判断当前状态是否可以射门,在不可射门的情况下选择下一步的行动。     

基于决策树的入侵检测的实现

决策树是分类的常用方法.文章针对一个局域网上模拟的入侵检测问题,描述了对利用决策树方法学习的一种优化实现.并且对怎样处理缺失数据、连续属性的离散化、怎样剪枝以及分类法的准确率评估及提高等关键技术进行了研究.实验证明,该方法可为入侵检测系统生成有效的决策树.     

基于信息熵的决策树

熵是一个衡量系统混乱程度的统计量,将熵的概念引入决策树中,可以创建生成能够对数据进行更好地分类的决策树。