段继磊

摘要 介绍了决策树的理论和算法，研究了决策树算法在数据挖掘中的应用实例，实验结果表明决策树是一种很有效的数据挖掘技术。

关键词 数据挖掘；决策树

Abstract The theory and algorithm of decision tree are introduced in the paper. The decision tree algorithms application case in data mining is researched. The experimental results indicate the decision tree is an effective data mining technique.

Key words Data mining； Decision tree

一、引言

数据挖掘是近年来计算机科学中的热点领域。决策树[1，2]是一种应用广泛的算法，在数据挖掘中占有重要的地位。本文介绍了决策树的理论和算法，研究了决策树算法在数据挖掘中的应用实例，实验结果表明决策树是一种很有效的数据挖掘技术。

二、决策树的理论和算法

决策树是一种逼近离散函数值的方法，是用于分类和预测的主要数据挖掘方法之一。作为以实例为基础的归纳学习算法，决策树能够对一组无次序、无规则的实例进行学习，从而推理出决策树表现形式的分类规则。

决策树是一种典型的分类方法，是研究如何利用树把一个复杂的多类分类问题转化为若干个简单的分类问题，从而较容易的表示和解决问题。决策树首先对数据进行处理，利用归纳算法生成可读的规则和决策树，通过利用树来转换问题，决策树算法可以很容易地得到if-then形式的分类规则，然后使用决策对新数据进行分析。本質上决策树是通过一系列规则对数据进行分类的过程。

建立决策树的过程可以分为两个阶段。其中，第一阶段为建树，即通过使用训练数据集进行学习，从而导出决策树。决策树归纳的基本算法是贪心算法，它采用的是自项向下递归的各个击破方式来构建判定树。……