基于ID3决策树算法的非规则数据的规律被引量：1

下载PDF

导出

摘要海量信息的处理,关键在于找出有价值或者有潜在价值的数据。这些数据为非规则数据,从这些数据中找到规律是数据处理中的重点和难点。ID3算法可以较为有效地解决这些问题,能够准确的把握数据的走势和是否能够成为热点的可能。

作者孙亚非郭盛李悦

机构地区沧州职业技术学院

出处《电子技术与软件工程》 2017年第14期167-167,共1页 ELECTRONIC TECHNOLOGY & SOFTWARE ENGINEERING

基金 2017年度沧州市社会科学发展研究课题。课题名称为:<基于大数据的高职院校毕业生就业情况的研究> 课题批准号为:2017213 一般课题

关键词 ID3算法样本集决策树

参考文献4

1蒋芸,李战怀,张强,刘扬.一种基于粗糙集构造决策树的新方法[J].计算机应用,2004,24(8):21-23. 被引量：30
2王静红,王熙照,邵艳华,王伍伶.决策树算法的研究及优化[J].微机发展,2004,14(9):30-32. 被引量：31
3倪春鹏,王正欧.一种新型决策树属性选择标准[J].武汉科技大学学报,2004,27(4):437-440. 被引量：10
4张彦,刘暾东,李茂青.基于信息论的决策树算法探讨[J].自动化技术与应用,2006,25(1):4-7. 被引量：15
5乔梅,韩文秀.Rough集中属性分类贡献能力综合测度研究[J].系统工程学报,2006,21(5):508-514. 被引量：5
6Quinlan J R. Induction of decision tree[J]. Machine Learning, 1986, 4(2) :81-106. 被引量：1
7Hu X, Cercone N. Data mining via generalization, diserimination and rough set feature selection [J]. Knowledge and Information System: An International Journal, 1999,1(1) :21-27. 被引量：1
8鲁为,王枞.决策树算法的优化与比较[J].计算机工程,2007,33(16):189-190. 被引量：19
9Gehrke J, Ganti V, Ramakrishnan N. BOAT-optimistic decision tree construction [ C ]. Proceedings of the 1999 ACM SIGMOD International Conference on Management of Data, Philadelphia : Pennsylvania, 1999,28 ( 2 ) : 169-180. 被引量：1
10Quinlan J R. Discovering rules from large collections of examples:A case study[ C ]. Michie D Expert Systems in the Micro-electronic Age, Scotland : Edinburgh University Press, 1979 : 168-201. 被引量：1

1郑河荣,陈恳,潘翔.结合代表点和密度峰的增量动态聚类算法[J].浙江工业大学学报,2017,45(4):427-433. 被引量：6
2李蒙蒙,尚志刚,李志辉.结合投影与近邻操作的支持向量快速筛选方法[J].郑州大学学报（工学版）,2017,38(3):49-53.
3黄燕,黄慧颖,汪瑞嵘,丁志刚.基于创业者信息挖掘的创业成功倾向分析[J].微型电脑应用,2017,33(5):8-12.
4沈海迪,万振凯.基于指数平滑法的动态预测机制[J].计算机技术与发展,2017,27(7):6-9. 被引量：7
5范歆琦,王宇俊,范子川,杨萌林.基于CH376的高铁电缆温度检测系统设计[J].西南师范大学学报（自然科学版）,2017,42(6):94-99. 被引量：3

电子技术与软件工程

2017年第14期

内容加载中请稍等...