论文部分内容阅读
基于Min-Ambiguity启发式算法的模糊决策树整个建立过程均是在给定的一个显著性水平参数基础上进行，该参数值的选择对于模糊决策树性能将产生重要影响。文章通过实验研究表明，在某一特定取值区间内。随着该参数值的逐步增大，可以使得模糊决策树在保持提高测试精度的前提下。使树的规模逐步减小，直至到达该参数的最优值，使树成为测试精度达到最优而树规模达到最小的一棵。而再度增大的此参数值（已超出该区间）却会导致树的过度剪枝．使树的测试精度降低。最后，通过相同数据在清晰决策树系统（C4．5系统）后剪枝前后的比较试验进