决策树剪枝加强的关联规则分类方法

TP391; 传统关联规则挖掘在面临分类决策问题时,易出现非频繁规则遗漏、预测精度不高的问题.为得到正确合理且更为完整的规则,提出了一种改进方法DT-AR(decision tree-association rule algorithm),利用决策树剪枝策略对关联规则集进行补充.该方法利用FP-Growth(frequent pattern growth)算法得到关联规则集,利用C4.5算法构建后剪枝决策树并提取分类规则,在进行置信度迭代筛选后与关联规则集取并集修正,利用置信度作为权重系数采取投票法进行分类.实验结果表明,与传统关联规则挖掘和决策树剪枝方法相比,该方法得到的规则在数据集分类结果...

Full description

Saved in:
Bibliographic Details
Published in计算机工程与应用 Vol. 59; no. 5; pp. 87 - 94
Main Authors 范劭博, 张中杰, 黄健
Format Journal Article
LanguageChinese
Published 国防科技大学 智能科学学院,长沙 410073 01.03.2024
Subjects
决策树剪枝
关联规则分类
数据挖掘
数据分类
Online AccessGet full text
ISSN1002-8331
DOI10.3778/j.issn.1002-8331.2206-0476

Cover

More Information
Summary:TP391; 传统关联规则挖掘在面临分类决策问题时,易出现非频繁规则遗漏、预测精度不高的问题.为得到正确合理且更为完整的规则,提出了一种改进方法DT-AR(decision tree-association rule algorithm),利用决策树剪枝策略对关联规则集进行补充.该方法利用FP-Growth(frequent pattern growth)算法得到关联规则集,利用C4.5算法构建后剪枝决策树并提取分类规则,在进行置信度迭代筛选后与关联规则集取并集修正,利用置信度作为权重系数采取投票法进行分类.实验结果表明,与传统关联规则挖掘和决策树剪枝方法相比,该方法得到的规则在数据集分类结果上更准确.
ISSN:1002-8331
DOI:10.3778/j.issn.1002-8331.2206-0476