一种混合型集成学习演化决策树算法

摘要：

决策树是一种使用树型结构模型对未知数据进行预测的分类方法。但传统算法一般采用局部最优搜索策略进行决策树构造，其主要缺点在于容易陷入局部最优.为解决该问题，近年来，研究者将演化算法与决策树方法相结合，以利用演化算法全局搜索的特点构造决策树算法。本文设计了一种混合型集成学习演化决策树算法，以进一步提高演化决策树的泛化能力和稳定性，针对UCI的数据集的实验结果表明本文算法是有效的.

关键词： 决策树算法 集成学习 搜索策略

作者: 叶红云 倪志伟 赵敏

作者单位: 合肥工业大学管理学院,合肥 230009 中国科学技术大学计算机系,合肥 230027

会议类型: 国内会议

会议名称: 2005年“数字安徽”博士科技论坛

会议地点: 合肥

会议语种:中文

页码: 288-291

在线出版日期: 2005-12-10（万方平台首次上网日期，不代表论文的发表时间）