示例学习的决策树算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 致谢 | 第7-8页 |
| 目录 | 第8-10页 |
| 图表目录 | 第10-11页 |
| 第一章 绪论 | 第11-22页 |
| ·决策树归纳学习的相关知识背景 | 第11-18页 |
| ·机器学习 | 第11-15页 |
| ·分类 | 第15-16页 |
| ·归纳学习 | 第16-17页 |
| ·决策树 | 第17-18页 |
| ·决策树构造算法概述 | 第18-20页 |
| ·本文的主要内容 | 第20-21页 |
| ·本文的组织 | 第21-22页 |
| 第二章 示例学习的理论基础与决策树学习的最优化 | 第22-27页 |
| ·示例学习 | 第22页 |
| ·扩张矩阵理论的基本概念 | 第22-25页 |
| ·决策树归纳学习中的最优化问题 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 ID3算法研究与C4.5算法简介 | 第27-43页 |
| ·ID3算法 | 第27-36页 |
| ·CLS算法 | 第27-28页 |
| ·信息论简介 | 第28-30页 |
| ·信息论在决策树学习中的意义及应用 | 第30-31页 |
| ·ID3算法的基本原理 | 第31-32页 |
| ·ID3算法描述 | 第32-33页 |
| ·ID3算法实例 | 第33-36页 |
| ·ID3算法的评价 | 第36-37页 |
| ·ID3的优点 | 第36页 |
| ·ID3的缺点 | 第36-37页 |
| ·C4.5算法简介 | 第37-41页 |
| ·C4.5采用的算法 | 第37-38页 |
| ·C4.5如何估算错分率进行剪枝 | 第38-40页 |
| ·C4.5的优缺点 | 第40-41页 |
| ·决策树准确率的判定 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 决策树简化算法研究 | 第43-56页 |
| ·决策树简化方法概述 | 第43-46页 |
| ·简化决策树的动机 | 第43-44页 |
| ·ID3的缺陷与决策树过大的原因 | 第44-45页 |
| ·简化决策树方法简介 | 第45-46页 |
| ·基于蕴含规则的决策树简化算法BOIR | 第46-52页 |
| ·算法描述 | 第47-51页 |
| ·BOIR算法复杂性分析 | 第51-52页 |
| ·BOIR学习逻辑表达式试验与评价 | 第52-54页 |
| ·本章小结 | 第54-56页 |
| 第五章 结束语 | 第56-58页 |
| ·论文的创新工作 | 第56-57页 |
| ·下一步的工作 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录一(部分原代码) | 第61-66页 |
| 附录二(发表论文) | 第66页 |
