Ocena:
Obecnie brak opinii czytelników. Ocena opiera się na 2 głosach.
Drzewa decyzyjne są bardzo popularnymi klasyfikatorami nadzorowanymi w rozwiązywaniu problemów rozpoznawania wzorców.
W konstrukcji drzewa decyzyjnego, funkcja oceny jest odpowiedzialna za wybór najlepszego podziału kandydatów. Każda funkcja oceny ma na celu uzyskanie drzew, które są zrównoważone, z kilkoma poziomami i jednocześnie uzyskują węzły, które są tak czyste, jak to tylko możliwe.
W tej pracy naukowej określono historyczne tło rozwoju metod indukcji drzew decyzyjnych i ich zastosowania do zbiorów treningowych z mieszanymi i niekompletnymi danymi. Ponadto zaproponowano nową metodę indukcji drzew decyzyjnych opartą na wskaźnikach walidacji klastrów, której celem jest ocena każdego węzła tak, jakby był klastrem. Kryteria zatrzymania są dodawane do konstrukcji drzewa w celu uzyskania lepszych wyników pod względem jakości i wydajności klasyfikatora.
Proponowana metoda została porównana z C4. 5, a wyniki uzyskane podczas klasyfikacji na 30 bazach danych z repozytorium Uniwersytetu Kalifornijskiego w Irvine (UCI) pokazują, że skuteczność nowej proponowanej metody jest lepsza.