论文部分内容阅读
在构造决策树的过程中，属性选择将影响到决策树的分类精度．对此，讨论了基于信息熵方法和WMR方法的局限性，提出了信息系统中条件属性集的离散度的概念．利用该概念在决策树构造过程中选择划分属性，设计了基于离散度的决策树构造算法DSD.DSD算法可以解决WMR方法在实际应用中的局限性．在UCI数据集上的实验表明，该方法构造的决策树精度与基于信息熵的方法相近，而时间复杂度则优于基于信息熵的方法．