多策略决策树学习算法
决策树学习算法已在许多实际应用中取得成功。现存算法在解决属性选择、数据噪声、数据递增等问题上各有所长，同时也受限于不同的领域。该文给出了一个两级式的多策略决策树学习算法ＭＳＤＴＬ。它的第一级用于选取最优决策树学习算法 。利用经典例子库及现存算法构造第一级训练例子集，采用Ｃ４．５算法作为第一级学习算法选取面向目标任务的最优算法，也就是第二级学习算法；第二级则用原始训练例子集作为第二级训练例子集，将第一级输出的最优算法作为第二级学习算法进行目标分类规则的学习。该算法还为增加新算法与经典例子集提供了机制。
决策树 多策略学习
张颖 史忠植 李莉
中国科学院计算技术研究所智能计算机科学开放实验室(北京)
国内会议
北京
中文
77～80
1998-07-01（万方平台首次上网日期，不代表论文的发表时间）