[发明专利]一种改进的不确定连续属性决策树的构建方法

权利要求书

1.一种改进的不确定连续属性决策树的构建方法，本发明涉及机器学习、人工智能以及数据挖掘领域，具体涉及一种改进的不确定连续属性决策树的构建方法，其特征是，包括如下步骤：

步骤1：设不确定连续属性训练集中有X个样本，属性个数为n，即同时分裂属性对应了m个类，其中其中属性值具有连续不确定性

步骤2：把不确定连续数据属性的属性值合并排序，根据类对不确定性数据属性进行属性值运算，记为概率和对类进行处理得每一分支属性值的概率势

步骤3：创建根节点G

步骤4：如果训练数据集为空，则返回节点G并标记失败

步骤5：如果训练数据集中所有记录都属于同一类别，则该类型标记节点G

步骤6：如果候选属性为空，则返回G为叶子结点，标记为训练数据集中最普通的类

步骤7：由于连续属性值的不确定性，根据目标函数从候选属性中选择

步骤8：标记节点G为属性

步骤9：由节点延伸出满足条件为分支以及子分支,如果满足以下两条件之一，就停止建树，同时利用先剪支技术对决策树实施进一步优化操作

9.1这里假设为训练数据集中的样本集合，如果为空，加上一个叶子结点，根据设定的算法将此叶子结点标记为训练数据集中最普通的类

9.2此节点中所有例子属于同一类

步骤10：非9.1与9.2中情况，则递归调用步骤7至步骤9

步骤11：保存改进的连续不确定性属性的决策树分类器。

2.根据权利要求1中所述的一种改进的不确定连续属性决策树的构建方法，其特征是，以上所述步骤7中的具体计算过程如下：

步骤7：由于连续属性值的不确定性，根据下面目标函数从候选属性中选择其具体计算过程如下：

目标函数：

上式为步骤2中属性的属性值对应类为的概率势，j为属性值个数

当选择属性满足目标函数越大时，则找到标记节G。

3.根据权利要求1中所述的一种改进的不确定连续属性决策树的构建方法，其特征是，以上所述步骤9中的具体计算过程如下：

步骤9：由节点延伸出满足条件为分支以及子分支,如果满足以下两条件之一，就停止建树，同时利用先剪支技术对决策树实施进一步优化操作，其具体计算过程如下：

在建树过程中，顺序利用下列规则对树进行剪枝操作：

上式为属性值中类为L的个数，10%、为用户设定的一个阈值，只有满足用户需求，才能更好的提高决策树模型分类以及预测精度

9.1这里假设为训练数据集中的样本集合，如果为空，加上一个叶子结点，根据设定的算法将此叶子结点标记为训练数据集中最普通的类，其具体实现算法如下：

对于不确定连续属性最终树中类的确定算法：

根据步骤2中得到的 对子分支按值从大到小进行从右到左排序,从右至左进行下列运算，

上式h为树的深度，h<k, c<k

9.2此节点中所有例子属于同一类，其具体实现过程如下：

分支叶子节点的确定先对比训练集再由值大小确定，即

通过上式就可以确定叶子结点。