数据挖掘:决策树算法及其应用

Code for JAVA programming in decision tree algorithm in data mining (J48)

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

数据挖掘决策树算法ID3和C4.5 学习数据挖掘的工具-weka weka是用Java语言编写的完整的软件资源 Explorer是weka的主要图形用户界面 weka存储数据的原始方式是ARFF或CS

Vol.45 No.9 计算机与数字工程 总第335 期 1802 Computer & Digital Engineering 第45 卷 2017 年第9 期 基于改进随机决策树算法的分布

本文研究了基于粗糙集的ID3决策树算法并针对其不足进行了改进，提出了一种将粗糙集与决策树相结合的数据挖掘算法。在该算法中，我们利用粗糙集将数据进行处理，然后再应用决策树来进行分类。实验结果表明，该算法

基于决策树的医疗数据挖掘，胡瑞娟，，本文通过研究决策树的ID3算法，针对ID3算法的不足提出了决策树的修剪方法，利用决策树算法对乳腺疾病数据进行挖掘，使用SQLServer2005

决策树实例数据，包括两个txt文本，一个是classifierStorage.txt，另一个是lenses.txt

决策树是一种用于分类和回归任务的树状结构。回归树是一种专门用于回归任务的决策树，它通过建立一个树状结构来预测连续值。Sklearn库提供了用于创建和使用决策树的模块。

whatisthedecisiontree

决策树算法的C++实现