会议专题

基于“三分”法的序贯判别树

经典的Fisher判别分析要求每个个体都具备所有变量的信息,将空间一分为二,仅作一次判别,分类效果不及决策树。以决策树序贯地进行判别,实属非线性判别。但现在有决策树算法每个节点只选一个变量进行分割,未能充分利用变量间内在联系所提供的信息。基于Kendall (1975) 和方积干(1979 ),本文提出“三分”法决策树:在每个结点按Fisher准则将空间分为三个区域,落入两个极端区域者作肯定性判断,否则便待判。模拟实验和两个实例表明,该算法的分类错误率低,所需变量少。

决策树 序贯判别树 三分法 Fisher准则

方积乾 江梅

中山大学公共卫生学院

国内会议

第十三次全国统计科学讨论会

广东东莞

中文

686-695

2005-11-03(万方平台首次上网日期,不代表论文的发表时间)