基于C4.5的决策树算法一种非线性分类器

决策树算法是一种基于树结构的分类算法，有ID3、C4.5、CART等主流算法。每种算法都有各自的优点和缺点，例如ID3算法容易过拟合，而CART算法可以处理连续型变量。并行计算可以提高决策树算法的效率

在数据挖掘中存在多种算法,决策树分类算法是应用比较多的一种。基于决策树分类算法的研究现状,对各种决策树分类算法的基本思想进行了阐述,并对不同的算法进行了分析和比较。

基于Bayes、决策树和SVM分类算法的图像分类研究，通过使用给定的图像数据集作为训练和测试集，采用不同特征的Bayes、决策树和SVM算法对图像进行分类。通过评估分类的精度、召回率和F1值，以及混淆

包含C4.5算法对UCI wine 数据集的MATLAB代码和详细的说明文档

C++ realistic classification regression tree algorithm (machine learning, decision tree)

数据挖掘技术可以从收集到的大量数据集中挖掘出潜在的知识，这就可能把涉及到个人隐私的信息挖掘出来，从而产生了隐私保护下的数据挖掘。首先分析了国外学者Rizvi提出的隐私保护关联规则挖掘算法MASK，然后

在构造决策树的过程中,分裂属性选择的标准直接影响分类的效果。分析了现有改进的ID3算法不同程度地存在学习效率偏低和对多值属性重要性的主观评测等问题,提出一种高效而且可靠的基于灰色关联度的决策树改进算法

基于决策树的n则交叉验证分类器 based on decision tree cross-validation classifier 文件列表： crossvalidate.m NDT.mat

学习SVM的很好的文档，可以好好交流一下

Lab15 基于决策树的非线性回归模型.pdf