分支合并对决策树归纳学习的影响

摘要	第1-5页
Abstract	第5-8页
第1章 绪论	第8-13页
·研究背景与意义	第8-9页
·本课题的国内外发展现状	第9-11页
·本课题研究的主要内容	第11页
·本文组织	第11-13页
第2章 决策树归纳学习算法介绍	第13-22页
·简介	第13页
·决策树表示法	第13-14页
·基本的决策树学习算法	第14-16页
·决策树学习的适用问题	第16-17页
·决策树学习的常见问题	第17-22页
·避免过度拟合(Over-fitting)数据	第17-18页
·合并连续值属性	第18-19页
·属性选择的其他度量标准	第19-20页
·处理缺少属性值的训练样例	第20-22页
第3章 分支合并及其对决策树归纳学习的影响	第22-37页
·分支合并介绍	第22-23页
·基于正例比的分支合并算法SSID介绍及实验结果	第23-26页
·基于正例比的分支合并算法SSID介绍	第23-25页
·实验结果分析	第25-26页
·基于SVM中MARGIN的分支合并算法	第26-29页
·SVM介绍	第26-28页
·基于SVM中MARGIN的分支合并算法	第28页
·实验结果分析	第28-29页
·一个定理的证明	第29-34页
·基于最大信息补偿的分支合并算法及实验结果	第34-37页
·基于最大信息补偿的分支合并算法介绍	第34-35页
·实验结果分析	第35-37页
第4章 总结与展望	第37-38页
参考文献	第38-40页
攻读硕士学位期间科研工作情况	第40-41页
致谢	第41页