科技信息
科技信息
과기신식
SCIENTIFIC & TECHNICAL INFORMATION
2011年
25期
86-87
,共2页
支持向量机%支持向量机反问题%间隔%决策树归纳
支持嚮量機%支持嚮量機反問題%間隔%決策樹歸納
지지향량궤%지지향량궤반문제%간격%결책수귀납
决策树归纳是归纳学习的一种.由于NP困难,寻找最优的决策树是不现实的,从而探索各种启发式算法去产生一个高精度的决策树变成了这类研究的焦点.考虑到支持向量机(SVM)的分类间隔与泛化能力的关系,可以使用SVM的最大间隔作为生成决策树的启发式信息.使得决策树有较强的泛化能力.本文针对实值型数据,提出了一种基于最大间隔的决策树归纳算法.实验结果表明了本文算法的有效性.
決策樹歸納是歸納學習的一種.由于NP睏難,尋找最優的決策樹是不現實的,從而探索各種啟髮式算法去產生一箇高精度的決策樹變成瞭這類研究的焦點.攷慮到支持嚮量機(SVM)的分類間隔與汎化能力的關繫,可以使用SVM的最大間隔作為生成決策樹的啟髮式信息.使得決策樹有較彊的汎化能力.本文針對實值型數據,提齣瞭一種基于最大間隔的決策樹歸納算法.實驗結果錶明瞭本文算法的有效性.
결책수귀납시귀납학습적일충.유우NP곤난,심조최우적결책수시불현실적,종이탐색각충계발식산법거산생일개고정도적결책수변성료저류연구적초점.고필도지지향량궤(SVM)적분류간격여범화능력적관계,가이사용SVM적최대간격작위생성결책수적계발식신식.사득결책수유교강적범화능력.본문침대실치형수거,제출료일충기우최대간격적결책수귀납산법.실험결과표명료본문산법적유효성.
