朱 琳，杨 杨

(1. 北京邮电大学，北京 100876；2. 北京邮电大学，北京 100876)

ID3算法的优化

朱 琳1，杨 杨2

(1. 北京邮电大学，北京 100876；2. 北京邮电大学，北京 100876)

随着硬件设备的普及，促使信息技术和移动互联网的快速发展，人们已经告别了信息匮乏的时期，而进入到了信息过载的时期。人们试图用搜索功能搜索出自己想要的信息，如今已是非常困难，怎样从海量的数据中筛选出有价值的信息是信息提供者和信息需求者都要面对的挑战。本文对数据分类中的ID3算法的基本概念和原理以及其构造过程进行了详细阐述，针对ID3算法倾向于选择取值较多的属性的缺点，引进属性阈值和信息增益率两个概念。弥补ID3算法属性选择标准的不足，来实现新的属性选择标准，对原有ID3算法进行改进。通过实验对改进前后的算法进行了比较，实验表明，改进后的算法提高了分类准确度。

数据挖掘；ID3算法；信息增益；信息增益率；分类

0 引言

在解决分类问题时，使用次数最多、范围最广的算法是决策树算法。它主要是用来解决离散化数据值的问题，并对错误数据有很好的健壮性。基于构建决策树的算法是一种使用“自顶向下，分而治之”策略进行分枝的归纳算法，整个训练样本数据集被分割成一个个互斥的子集，通过这种方法生成分类器，即决策树模型，利用生成的分类器对未分类的数据进行分类并提取分类规则。由此可知，使用决策树的方法来进行分类时，核心是如何构建一棵可使分类结果最准确的决策树。……