论文部分内容阅读
决策树是一种使用树型结构模型对未知数据进行预测的分类方法。但传统算法一般采用局部最优搜索策略进行决策树构造，其主要缺点在于容易陷入局部最优.为解决该问题，近年来，研究者将演化算法与决策树方法相结合，以利用演化算法全局搜索的特点构造决策树算法。本文设计了一种混合型集成学习演化决策树算法，以进一步提高演化决策树的泛化能力和稳定性，针对UCI的数据集的实验结果表明本文算法是有效的.