论文研究新型偏好敏感决策树算法.pdf

针对现有决策树模型在分类过程中没有考虑决策者对结果的偏好行为，因而不能很好地预测具有明显偏好倾向问题的不足，提出了一种偏好敏感决策树（preferencesensitivedecisiontree，PSDT）分类算法。该算法引入了偏好度和偏好代价的概念，并通过综合考虑属性信息和有效偏好，构建新型属性选择因子和基于有效偏好的节点类标号分配准则。通过自适应调整偏好度，可生成最佳偏好敏感决策树。实验结果证明，该算法既能实现对偏好类的高精度预测，同时能够保证决策树拥有良好的整体精度，且具有较高的有效性和实用性，能够很好地解决偏好敏感环境下的决策问题。