。但是我们采用ebp c4.5[4]和ccp cart来测试已修剪的构造决策树的性能和修剪算法的影响。
2结论
在本文中，首先从几何学角度重新解释了构造测试节点的过程，并在此基础上，提出了两阶段方法来为决策树的每个测试节点构造超平面。第一阶段寻找基于无监督或监督方法的合适的法线方向。基于一些如基尼和增长比的标准，第二阶段找出在法线方向上的超平面的截距。最后提出了两阶段的构造决策树算法。
参考文献：
[1]su，x.g.，tsai，c.-l.，& wang，c.（2009）.tree-structured model diagnostics for linear regression.mach learn 74：111-131.
[2]vens, c. struyf, j., schietgat, l., dzeroski, s., & blockeel，h.(2008). decision trees for hierarchical multi-label classification.mach learn,73:185-214.
[3]quinlan，j.r（1979）.discovering rules by induction from large collection of examples.in d.michie，editor.
[4]quinlan j r.（1993）.c4.5：programs for machine learning[m].san mateo，ca：morgan kaufman

上一页  [1] [2]