基于随机化属性选择和决策树的组合分类器 |
| |
作者单位: | ;1.福州大学物理与信息工程学院 |
| |
摘 要: | 针对决策树泛化能力差,容易产生过拟合问题,提出基于随机化属性选择和决策树组合分类器。首先运用随机化邻域属性约减产生多个分类较高的属性子集;其次每个属性子集作为分类回归树(CART)的输入,训练多个基分类器;最后对得到的多个分类精度结果进行投票融合的方式获得最后的分类结果。实验表明,提出的随机属性选择和决策树集成算法有效性。
|
关 键 词: | 过拟合 随机化 决策树 分类器 融合 |
Ensemble classifier based on randomized attribute selection and decision tree |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 等数据库收录! |
|