论文部分内容阅读
针对决策者在面对几个分类结果时会有选择其中某一个结果的倾向性这一事实，提出了一种基于相关性的类偏好敏感决策树分类算法（CPSDT）。该算法引入了类偏好度、偏好代价矩阵等概念。为弥补在传统决策树构造过程中，选择分裂属性时未考虑非类属性之间相关性的不足，该算法在进行学习之前先采用基于相关性的特征预筛选排除属性冗余并重新构造了基于相关性的属性选择因子。经实验证明，该算法能够有效减小决策树规模，且能够在实现对偏好类的高精度预测的同时保证决策树拥有较好的整体精度。