王雅辉，钱宇华，3*，刘郭庆

（1.山西大学大数据科学与产业研究院，太原 030006；2.山西大学计算机与信息技术学院，太原 030006；3.计算智能与中文信息处理教育部重点实验室（山西大学），太原 030006）

0 引言

有序分类是一种特殊的分类问题，其样本的属性具有线性结构，类别取值D={ω1，ω2，…，ωc}之间存在偏序关系ω1≺ω2≺…≺ωc［1］。如在员工绩效考核问题中，将贡献度、技能水平、绩效作为绩效考核的3 个重要指标，其得分显然存在序关系；员工绩效考核的评定等级为“优秀，良好，合格，基本合格”，它们之间存在优劣次序。该问题的属性（贡献度，技能水平，绩效）与类别（评定等级）之间存在这样的单调性约束：当一名员工在贡献度、技能水平、绩效这3 个属性上的得分都高于其他员工时，该员工的评定等级一定高于其他员工。处理有序分类任务的关键在于从训练集中学习并生成单调的规则集，并利用属性和类别之间的单调依赖关系来指导样本的分类。有序分类问题在医疗诊断［2］、个人信誉评定［3］、欺诈公司判定［4］等许多领域都有广泛应用。

决策树算法是一种重要的分类和回归方法，具有分类速度快、准确率高、可读性强等特点，被广泛应用于医学诊断、数据挖掘等任务中。在决策树的构建过程中通常使用一个函数作为评价指标来选择和评估特征，根据选择的特征将每个节点中的样本划分为更细的子集。作为评价指标常用的函数有基尼指数（Gini index）、卡方系数、信息增益、信息增益比等。将传统的决策树算法应用到有序分类任务时存在以下两方面问题：