论文部分内容阅读
针对Rough集中刻画属性分类能力的测度正区域等仅能反映属性可辨识对象集大小，不能反映属性对样本的划分状况影响分类的其它因素的问题，提出了Rough集中度量属性分类贡献能力的综合测度——属性分类粗糙度，对其特性进行了分析，给出了用该测度以及信息增益等分别作为决策树算法选择属性的启发式对UCI几个数据集的挖掘结果．理论分析和实验表明，属性分类粗糙度更全面地刻画了属性对分类的综合贡献能力，且具有计算更为简单等特点．