[發明專利]一種改進的不確定連續屬性決策樹的構建方法

在審

• 申請號: 201610551758.3
• 申請日: 2016-07-14
• 公開（公告）號: CN106611192A
• 公開（公告）日: 2017-05-03
• 發明（設計）人: 金平艷;胡成華
• 申請（專利權）人: 四川用聯信息技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種改進的不確定連續屬性決策樹的構建方法，本發明涉及機器學習、人工智能以及數據挖掘領域，具體涉及一種改進的不確定連續屬性決策樹的構建方法，其特征是，包括如下步驟：

步驟1：設不確定連續屬性訓練集中有X個樣本，屬性個數為n，即同時分裂屬性對應了m個類，其中其中屬性值具有連續不確定性

步驟2：把不確定連續數據屬性的屬性值合并排序，根據類對不確定性數據屬性進行屬性值運算，記為概率和對類進行處理得每一分支屬性值的概率勢

步驟3：創建根節點G

步驟4：如果訓練數據集為空，則返回節點G并標記失敗

步驟5：如果訓練數據集中所有記錄都屬于同一類別，則該類型標記節點G

步驟6：如果候選屬性為空，則返回G為葉子結點，標記為訓練數據集中最普通的類

步驟7：由于連續屬性值的不確定性，根據目標函數從候選屬性中選擇

步驟8：標記節點G為屬性

步驟9：由節點延伸出滿足條件為分支以及子分支,如果滿足以下兩條件之一，就停止建樹，同時利用先剪支技術對決策樹實施進一步優化操作

9.1這里假設為訓練數據集中的樣本集合，如果為空，加上一個葉子結點，根據設定的算法將此葉子結點標記為訓練數據集中最普通的類

9.2此節點中所有例子屬于同一類

步驟10：非9.1與9.2中情況，則遞歸調用步驟7至步驟9

步驟11：保存改進的連續不確定性屬性的決策樹分類器。

2.根據權利要求1中所述的一種改進的不確定連續屬性決策樹的構建方法，其特征是，以上所述步驟7中的具體計算過程如下：

步驟7：由于連續屬性值的不確定性，根據下面目標函數從候選屬性中選擇其具體計算過程如下：

目標函數：

上式為步驟2中屬性的屬性值對應類為的概率勢，j為屬性值個數

當選擇屬性滿足目標函數越大時，則找到標記節G。

3.根據權利要求1中所述的一種改進的不確定連續屬性決策樹的構建方法，其特征是，以上所述步驟9中的具體計算過程如下：

步驟9：由節點延伸出滿足條件為分支以及子分支,如果滿足以下兩條件之一，就停止建樹，同時利用先剪支技術對決策樹實施進一步優化操作，其具體計算過程如下：

在建樹過程中，順序利用下列規則對樹進行剪枝操作：

上式為屬性值中類為L的個數，10%、為用戶設定的一個閾值，只有滿足用戶需求，才能更好的提高決策樹模型分類以及預測精度

9.1這里假設為訓練數據集中的樣本集合，如果為空，加上一個葉子結點，根據設定的算法將此葉子結點標記為訓練數據集中最普通的類，其具體實現算法如下：

對于不確定連續屬性最終樹中類的確定算法：

根據步驟2中得到的 對子分支按值從大到小進行從右到左排序,從右至左進行下列運算，

上式h為樹的深度，h<k, c<k

9.2此節點中所有例子屬于同一類，其具體實現過程如下：

分支葉子節點的確定先對比訓練集再由值大小確定，即

通過上式就可以確定葉子結點。