论文部分内容阅读
决策树是分类数据挖掘的重要方法。其中，经典ID3算法根据具有最大信息增益的属性对训练样本集进行分类，适用于离散型属性。C4．5算法延用了ID3算法的基本策略，增加了处理连续数值型属性的方法。本文在其基础上讨论了新的基于属性变换的离散化处理方法。该方法基于统计概率信息，依据概率属性的最佳分裂对应分裂连续属性，增加了决策树的分类精度。