| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 选题背景与意义 | 第9-10页 |
| 1.2 国内外研究动态 | 第10-11页 |
| 1.3 论文的研究工作和结构 | 第11-13页 |
| 第二章 决策树方法 | 第13-21页 |
| 2.1 决策树基本概念 | 第13-14页 |
| 2.2 决策树算法流程 | 第14-16页 |
| 2.3 决策树性能的度量 | 第16页 |
| 2.4 决策树的剪枝 | 第16-17页 |
| 2.5 几种常见的决策树算法 | 第17-19页 |
| 2.5.1 决策树ID3算法 | 第17-18页 |
| 2.5.2 决策树C4.5算法 | 第18-19页 |
| 2.5.3 其他算法 | 第19页 |
| 2.6 几种决策树算法的对比 | 第19-21页 |
| 第三章 决策树ID3算法的分析与改进 | 第21-29页 |
| 3.1 信息增益的修正 | 第21-23页 |
| 3.1.1 多值偏向理论分析 | 第21-22页 |
| 3.1.2 基于错误率的信息增益修正 | 第22-23页 |
| 3.2 信息熵的近似计算 | 第23-25页 |
| 3.3 改进后的ID3算法实例分析 | 第25-29页 |
| 第四章 分类实验与结果分析 | 第29-34页 |
| 4.1 分类实验 | 第29-30页 |
| 4.1.1 实验环境与实验数据 | 第29页 |
| 4.1.2 数据分类实验内容 | 第29-30页 |
| 4.2 实验结果与分析 | 第30-34页 |
| 4.2.1 决策树生成时间实验结果与分析 | 第30-31页 |
| 4.2.2 决策树准确率和叶子节点数目对比实验结果与分析 | 第31-34页 |
| 第五章 总结与展望 | 第34-35页 |
| 参考文献 | 第35-38页 |
| 致谢 | 第38页 |