王磊，刘雨，刘志中，齐俊艳

(河南理工大学 计算机科学与技术学院,河南 焦作 454000)

0 引 言

决策树算法是解决分类问题最有效的方法之一[1]。传统的基于信息熵的决策树算法如ID3[2]、C4.5[3]等，在对数据进行分类时，存在多值属性偏向、生成的决策树结构过大以及算法效率较低等问题。然而在大数据时代，数据量越来越大，场景越来越复杂，导致传统的基于信息熵的决策树算法难以满足精准分类的需求[4]。

近年来，随着计算能力提升，研究人员通过不同的特征度量方法来优化决策树的分类性能。MU Y等[5]在决策树算法的基础上引入皮尔逊相关系数，利用新的特征度量方法确定构建决策树中最优分割属性和分割点，但未能考虑到属性之间的关系；YANG S等[6]在ID3算法的基础上，引入了平衡理论函数，减少不同值属性的权重，并通过一种新的数据离散化方法对属性进行转换，解决了经典的ID3算法无法处理连续数值属性的问题；王文霞[7]针对传统C4.5算法需要多次扫描，导致运算效率低的问题，提出将连续属性的简单分裂改进为最优化节点分裂，提高了算法效率；安葳鹏等[8]在决策树C4.5算法的基础上引入肯德尔和谐系数，用于解决条件属性相关性和简化计算过程，提高了算法的性能，但是在多值属性偏向的问题上未能得到很好解决；亓常松等[9]提出条件属性离散度的概念，在时间复杂度上相比基于信息熵的方法也有所提高，但是无法对含有连续性属性的数据集进行处理，所以具有一定局限性。……