李晨，闫芬，赵勇，周卫红

(云南民族大学数学与计算机科学学院，云南昆明650031)

一种改进的基于粗糙集理论的决策树分类算法

李晨，闫芬，赵勇，周卫红

(云南民族大学数学与计算机科学学院，云南昆明650031)

提出一种基于粗糙集理论的决策树分类算法.首先，将核属性集中的核属性进行合取后加入析取变换，实现属性约简;其次，在决策树构造阶段，对各条件属性分别求其上下近似集，进而得到各属性的近似精度.选择近似精度最大的属性作为决策树的根结点，以此方法递归应用到各子树上来选择决策树的结点并实现决策树的剪枝.实例分析表明，改进的算法提高了决策树方法的效率.

决策树;属性约简;粗糙集;近似精确度

决策树算法因其具有分类精度高、生成模式易于理解的特点，在数据挖掘分类方面得到了广泛应用.决策树分类的典型算法是由Quinlan提出的ID3算法［1］，其主要思想是:利用信息谪增益在决策树各非叶节点选择重要的属性或者是属性组合，自上而下的分割训练集，直到满足某条件终止.然而，在许多情况下，决策树构造过于复杂，使得分类没有意义.

粗糙集理论是由Pawlak［2］于1982年提出的，它从新的角度认识知识，把知识与分类紧密联系起来，为处理不确定、不完全等数据的分类问题提供了新的解决途径.文献［3－5］提出了使用粗糙集理论对ID3算法进行改进，新算法明显优于传统的ID3算法.

本文提出一种基于粗糙集理论的决策树算法.首……