基于改进信息熵离散化的决策树算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-15页 |
| ·研究背景及意义 | 第11-12页 |
| ·国内外研究现状与发展动态 | 第12-14页 |
| ·本文内容及组织结构 | 第14-15页 |
| 第2章 决策树分类算法 | 第15-34页 |
| ·决策树方法概述 | 第15-19页 |
| ·决策树的表示 | 第15-16页 |
| ·决策树算法的学习过程 | 第16-18页 |
| ·决策树适用的问题 | 第18页 |
| ·决策树的评价标准 | 第18-19页 |
| ·基于信息论的决策树算法 | 第19-27页 |
| ·信息论在ID3 算法中的应用 | 第19-21页 |
| ·ID3 算法描述 | 第21-23页 |
| ·ID3 算法的评价 | 第23-24页 |
| ·决策树归纳的扩展 | 第24-27页 |
| ·决策树算法分析总结 | 第27-28页 |
| ·决策树学习中常见问题的分析 | 第28-34页 |
| ·连续属性的处理 | 第28-29页 |
| ·属性值空缺的处理 | 第29页 |
| ·避免过度拟合训练数据 | 第29-34页 |
| 第3章 改进的信息熵离散化算法 | 第34-45页 |
| ·引言 | 第34-35页 |
| ·信息熵离散化算法 | 第35-37页 |
| ·改进的离散化算法 | 第37-40页 |
| ·连续性随机变量的信息熵定义 | 第37页 |
| ·基于信息熵的离散化数学表示 | 第37页 |
| ·建立离散化过程的博弈演化模型 | 第37-39页 |
| ·改进的离散化算法提出 | 第39-40页 |
| ·算法优化 | 第40-41页 |
| ·选取候选断点的优化 | 第40-41页 |
| ·博弈演化初始局势的优化 | 第41页 |
| ·博弈演化停止准则的优化 | 第41页 |
| ·实例分析 | 第41-45页 |
| ·EBD 算法离散化此数据集 | 第42-43页 |
| ·改进算法离散化此数据集 | 第43页 |
| ·两种算法的比较分析 | 第43-45页 |
| 第4章 改进的求解纳什均衡算法 | 第45-52页 |
| ·相关概念与符号 | 第45-47页 |
| ·算法基础 | 第47-48页 |
| ·求解纳什均衡解算法 | 第48-52页 |
| 第5章 实例测试 | 第52-55页 |
| ·测试数据 | 第52页 |
| ·实验环境 | 第52-53页 |
| ·实验结果 | 第53-55页 |
| 结论与展望 | 第55-57页 |
| 1. 本文总结 | 第55-56页 |
| 2. 展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 附录 A 攻读硕士期间发表的论文 | 第62-63页 |
| 附录 B 攻读学位期间参加的项目 | 第63页 |
