Note :
Il n'y a actuellement aucun avis de lecteur. La note est basée sur 2 votes.
Les arbres de décision sont des classificateurs supervisés très populaires dans la résolution des problèmes de reconnaissance des formes.
Dans la construction d'un arbre de décision, une fonction d'évaluation est chargée de sélectionner la meilleure division candidate. Chaque fonction d'évaluation vise à obtenir des arbres équilibrés, avec peu de niveaux et, en même temps, des nœuds aussi purs que possible.
Dans ce travail scientifique, l'historique du développement des méthodes d'induction d'arbres de décision et leur application à des ensembles de formation avec des données mixtes et incomplètes sont déterminés. En outre, une nouvelle méthode d'induction d'arbres de décision basée sur des indices de validation de grappes est proposée, l'objectif étant d'évaluer chaque nœud comme s'il s'agissait d'une grappe. Des critères d'arrêt sont ajoutés dans la construction de l'arbre, afin d'obtenir de meilleurs résultats en termes de qualité et d'efficacité du classificateur.
La méthode proposée a été comparée à la méthode C4. 5 et les résultats obtenus lors de la classification de 30 bases de données du dépôt de l'Université de Californie à Irvine (UCI) montrent que l'efficacité de la nouvelle méthode proposée est supérieure.
© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)