[发明专利]基于J散度的新型决策树分类方法

摘要

本发明提供了一种基于J散度的新型决策树分类方法，包括以下步骤：S1、规范化输入样本数据集；S2、设置样本数据集或数据子集的划分终止条件，也即决策树根据当前结点的状态，生成叶子结点不再继续划分的条件；S3、准备对原始样本数据集进行划分，创建决策树的根结点；S4、按照划分准则进行样本数据集的划分、决策树结点的分裂以及决策规则的产生；S5、采用递归的方式，将每次划分得到的样本子集继续按照步骤S2、S3、S4进行划分，得到新的结点；S6、对未知类别标签值的样本X^*进行类别值的判别预测。本方法创新地使用了J散度这一信息度量用于划分准则的产生，使得决策树分类算法的预测准确度得到了提升。

主权项

1.一种基于J散度的新型决策树分类方法，其特征在于，包括以下步骤：S1、规范化输入样本数据集D＝{X_j⁽ⁱ⁾；C⁽ⁱ⁾},i＝1,2,...,M,j＝1,2,...,N，其中，X_j⁽ⁱ⁾表示样本X⁽ⁱ⁾在特征A_j上的特征值，C⁽ⁱ⁾∈{c₁,c₂,...,c_K}表示样本X⁽ⁱ⁾对应的类别标签值；S2、设置样本数据集或数据子集的划分终止条件，也即决策树根据当前结点的状态，生成叶子结点不再继续划分的条件；S3、准备对原始样本数据集进行划分，创建决策树的根结点；S4、按照划分准则进行样本数据集的划分、决策树结点的分裂以及决策规则的产生；S5、采用递归的方式，将每次划分得到的样本子集继续按照步骤S2、S3、S4进行划分，得到新的结点；S6、对未知类别标签值的样本X^*进行类别值的判别预测。