基于遗传算法的决策树剪枝方法
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| ·研究背景与意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·研究内容 | 第11-12页 |
| ·论文组织 | 第12-13页 |
| 第2章 决策树学习 | 第13-21页 |
| ·基本的决策树学习算法 | 第13-18页 |
| ·分割属性的选择 | 第15-17页 |
| ·决策树的停止标准 | 第17-18页 |
| ·叶子节点的类别标签 | 第18页 |
| ·决策树的解释 | 第18-19页 |
| ·决策树分类精度的评估 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 决策树剪枝算法 | 第21-30页 |
| ·决策树的过度拟合现象 | 第21-24页 |
| ·决策树剪枝方法 | 第24-25页 |
| ·预剪枝方法 | 第24-25页 |
| ·后剪枝方法 | 第25页 |
| ·决策树后剪枝方法的分析 | 第25-29页 |
| ·代价复杂度剪枝 | 第25-26页 |
| ·减小错误率的剪枝 | 第26页 |
| ·悲观错误剪枝 | 第26-27页 |
| ·规则后剪枝 | 第27-28页 |
| ·后剪枝算法的比较 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第4章 基于遗传算法的决策树剪枝算法 | 第30-44页 |
| ·决策树剪枝中的假设空间搜索 | 第30-31页 |
| ·遗传算法 | 第31-34页 |
| ·算法综述 | 第31-32页 |
| ·遗传算法框架 | 第32-34页 |
| ·评价决策树的标准 | 第34-36页 |
| ·分类精度 | 第34页 |
| ·稳定性 | 第34-35页 |
| ·规模 | 第35页 |
| ·综合评价 | 第35-36页 |
| ·两阶段剪枝过程 | 第36-41页 |
| ·最优决策树集合构造 | 第37-38页 |
| ·决策树的表示 | 第38-39页 |
| ·适应度函数的表示 | 第39-40页 |
| ·遗传算子 | 第40页 |
| ·最优剪枝树的选择 | 第40-41页 |
| ·实验结果及分析 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第5章 总结与展望 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 致谢 | 第48-49页 |
| 攻读学位期间取得的科研成果 | 第49页 |
