论文部分内容阅读
为了使决策树健壮，我们从描述信息增益开始，关于这个规则的置信度，使用C4.5作为度量。这可以使我们快速的解释为什么信息增益，象置信度，偏重大多数类的规则的结果。为了克服这种偏见，我们介绍一种新度量，类置信度比例（CCP），它是CCPDT（类置信度比例决策树）形成的基础。这两种变化在一起产生一个分类器，它不仅比传统的决策树，而且比著名的平衡取样技术学习树能更好的完成统计。