跳到主要內容

臺灣博碩士論文加值系統

(3.231.230.177) 您好!臺灣時間:2021/08/02 09:54
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:黃天佑
研究生(外文):Huang, Tien Yu
論文名稱:模糊熵決策樹歸納學習法
論文名稱(外文):INDUCTIVE LEARNING METHOD OF DECISION TREES USING FUZZY ENTROPY
指導教授:鄭炳強鄭炳強引用關係
指導教授(外文):Jeng, Bing Chiang
學位類別:碩士
校院名稱:國立中山大學
系所名稱:資訊管理研究所
學門:電算機學門
學類:電算機一般學類
論文種類:學術論文
論文出版年:1994
畢業學年度:82
語文別:中文
中文關鍵詞:機器學習歸納學習決策樹模糊熵
外文關鍵詞:Machine LearningInductive LearningDecision TreesFuzzy Entropy
相關次數:
  • 被引用被引用:7
  • 點閱點閱:146
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
本論文期望以模糊熵改善決策樹歸納學習法的預測正確率。傳統的決策樹
歸納學習法中,分界點附近的事物常因些微的數值差距而產生截然不同的
分類預測結果,這種不當的判斷方法導致決策樹的預測正確率一直不高。
有些學者以機率或模糊理論來改善這些分界點附近的不當分類方式,結果
使得預測正確率增加不少,由此顯示分界點確實是提昇預測正確率的關鍵
。不過以往的研究皆針對分類預測方法做改善,本論文嘗試在決策樹的建
樹過程中,以模糊理論改善負責挑選分界點的熵函數,期望能夠改變決策
樹的分割屬性,提高其預測正確率。本論文在個人電腦上撰寫程式,模擬
提出的模糊熵概念,並以數個應用領域的資料集來評估模糊熵決策樹歸納
學習法的預測正確率。實驗結果顯示,模糊熵決策樹確實比傳統決策樹擁
有更高的預測正確率,但是改善的幅度略低於改善分類預測方法的改善幅
度,若將這兩種改善方法合併使用,改善的幅度略高於改善分類預測方法
的改善幅度。
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊