计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2006年
11期
95-98
,共4页
神经网络集成%神经网络分类器%决策树
神經網絡集成%神經網絡分類器%決策樹
신경망락집성%신경망락분류기%결책수
神经网络集成方法具有比单个神经网络更强的泛化能力,却因为其黑箱性而难以理解;决策树算法因为分类结果显示为树型结构而具有良好的可理解性,泛化能力却比不上神经网络集成.该文将这两种算法相结合,提出一种决策树的构造算法:使用神经网络集成来预处理训练样本,使用C4.5算法处理预处理后的样本并生成决策树.该文在UCI数据上比较了神经网络集成方法、决策树C4.5算法和该文算法,实验表明:该算法具有神经网络集成方法的强泛化能力的优点,其泛化能力明显优于C4.5算法;该算法的最终结果显示为决策树,显然具有良好的可理解性.
神經網絡集成方法具有比單箇神經網絡更彊的汎化能力,卻因為其黑箱性而難以理解;決策樹算法因為分類結果顯示為樹型結構而具有良好的可理解性,汎化能力卻比不上神經網絡集成.該文將這兩種算法相結閤,提齣一種決策樹的構造算法:使用神經網絡集成來預處理訓練樣本,使用C4.5算法處理預處理後的樣本併生成決策樹.該文在UCI數據上比較瞭神經網絡集成方法、決策樹C4.5算法和該文算法,實驗錶明:該算法具有神經網絡集成方法的彊汎化能力的優點,其汎化能力明顯優于C4.5算法;該算法的最終結果顯示為決策樹,顯然具有良好的可理解性.
신경망락집성방법구유비단개신경망락경강적범화능력,각인위기흑상성이난이리해;결책수산법인위분류결과현시위수형결구이구유량호적가리해성,범화능력각비불상신경망락집성.해문장저량충산법상결합,제출일충결책수적구조산법:사용신경망락집성래예처리훈련양본,사용C4.5산법처리예처리후적양본병생성결책수.해문재UCI수거상비교료신경망락집성방법、결책수C4.5산법화해문산법,실험표명:해산법구유신경망락집성방법적강범화능력적우점,기범화능력명현우우C4.5산법;해산법적최종결과현시위결책수,현연구유량호적가리해성.
