基于层次标签数据的模糊决策树构造算法

决策树分类算法在数据挖掘领域是一种高效且应用普遍的分类算法。传统的决策树算法难以处理数据中存在的模糊性等不确定性信息，模糊决策树作为经典决策树在模糊集理论上的扩展，可有效克服这一缺陷。然而，现有的模糊决策树算法在处理具有层次结构的标签数据时，一般选取层次结构的某一层标签去分类数据，导致当分类准确率高时，标签不具体；标签具体时，分类准确率低，无法有效做到在分类准确率尽可能高的情况下，层次标签也尽可能具体。提出了一种基于层次标签数据的模糊决策树构造算法来解决以上问题，结合模糊ID3算法和层次信息增益思想对数据进行分类，并在构建过程中充分考虑了标签的层次。最后通过实验与传统模糊决策树算法对比，说明了所提算法的有效性。