课程设计_一种高效的数据流挖掘增量模糊决策树分类算法

计数 年龄 收入 学生 信誉 归类买计算机 64 青 高 否 良 不买 64 青 高 否 优 不买 128 中 高 否 良 买 60 老 中 否 良 买 64 老 低 是 良 买 64 老 低 是 优

matlab c4.5决策树分类算法 经实测好用

决策树是一种常见的分类算法，其核心思想就是利用样本中的特征值进行分类。本文详细介绍了决策树分类算法的原理和实现过程，并提供了多个实战案例来帮助读者更好地理解和应用该算法。同时，本文还介绍了如何选择最佳

一种基于分类规则树和信息熵的决策树构造方法，刘宁，，随着网络技术和硬件技术的发展，面临数据的海量增长，数据规模由于过于庞大不便于存储，这对传统分类算法提出了挑战。为此，文中

常用数据挖掘及其python实现-决策树,在其中涉及到了原理介绍,以及部分代码可供学习,但是部分库由于更新换代会存在不适用的情况

数据挖掘之决策树-treesamp.xls treeplan.pdf treesamp.xls

这是数据挖掘论文合集中决策树的部分。其它部分也都已上传。

针对不平衡数据流的分类问题，结合基于权重的集成分类器与抽样技术，本文提出了一种处理不平衡数据流集成分类器模型.理论分析与实验验证表明，该集成分类器具有更低的计算复杂度，更能适应存在概念漂移的不平衡数据

提出了C4.5决策树算法的一种并行算法,使传统的串行分类算法能在多台PC机和服务器组成的数据挖掘网格上并行数据挖掘.采用数据纵横剖分,结合递归过程的并行化,实现了可扩展的高性能并行计算,解决了处理海量

为提高大规模数据集生成树的准确率,提出一种预生成一棵基于这个数据集的决策树,采用广度优先遍历将其划分为满足预定义的限制的数据集,再对各数据集按照一定比例进行随机采样,最后将采样结果整合为目标数据集的数