论文部分内容阅读
分类问题是数据挖掘和机器学习中的一个核心问题。为了得到最大程度的分类准确率，决策树分类过程中，非常关键的是结点分裂属性的选择。常见的分裂结点属性选择方法可以分为信息熵方法、GINI系数方法等。分析了目前常见的选择分裂属性方法——基于信息熵方法的优、缺点，提出了基于卡方检验的决策树分裂属性的选择方法，用真实例子和设置模拟实验说明了文中算法的优越性。实验结果显示文中算法在分类错误率方面好于以信息熵为基础的方法。