论文部分内容阅读
针对ID3算法构造决策树复杂、分类效率不高问题，基于粗糙集理论提出一种决策树构造算法。该算法采用加权分类粗糙度作为节点选择属性的启发函数，与信息增益相比，能全面地刻画属性分类的综合贡献能力，并且计算简单。为消除噪声对选择属性和生成叶节点的影响，利用变精度粗糙集模型对该算法进行优化。实验结果表明，该算法构造的决策树在规模与分类效率上均优于ID3算法。