摘要
为解决目前常用于就业数据分析的C4.5算法、基于粗糙集等的决策树生成算法均无法很好处理的决策精度需求不同和噪声适应能力的问题,运用基于多尺度粗糙集模型的决策树算法于高校就业数据分析,并以某高校2012年就业数据为例进行分析,同时将分析结果与C4.5算法和基于粗糙集的决策树生成算法的分析结果进行比较.结果表明:基于多尺度粗糙集模型的决策树算法生成的决策树树形结构简单、产生的规则简洁、不存在不可分的数据集、运算速度快.
Some decision tree algorithms by C4.5 and Rough Set （RS） for analyzing the employment data of uni- versities are unable to solve the problems of decision accuracy and noise adaptation. A Multi-scale Rough Set Mode （MRSM） based decision tree algorithm is presented for employment data analysis of the year 2012 employment data of a university. The comparison experimental results show that the decision trees constructed by MRSM are simpler, and the decision-making rules are more concise. Also the algorithm based on MRSM runs faster and every dataset can be classified.
出处
《华南师范大学学报（自然科学版）》
CAS
北大核心
2014年第4期31-36,共6页
Journal of South China Normal University(Natural Science Edition)
基金
国家自然科学基金项目(61100150)
广东省高等职业教育教学改革项目(20130201037)
广东省高职教育信息技术类专业教学指导委员会教学改革项目(XXJS-2013-24)
广州市属高校科研计划(2012A077)
