论文部分内容阅读
数据挖掘算法必须在实际数据集上进行验证，而数据集容量是有限的，训练集比例过低会导致训练不足，训练集比例过高会导致算法评价过于乐观。针对训练集容量对评价效果的影响问题，对25个UCI数据集的不同比例训练集运用决策树算法C4．5，得出不同训练集容量对决策树分类错误率的影响关系。实验结果表明，训练集比例至少为50％时才能使分类错误率达到相对平稳。