一种改进ID3算法及其在高校党员发展中的应用
|
摘要
在数据挖掘的相关问题和算法中,分类算法是重要的组成部分,而决策树归纳算法又是分类算法中重要的部分,ID3算法就是其中典型的一个基于分类函数逼近的算法。文章讨论ID3算法的实践应用并针对其表现出来的不足进行分析改进,运用改进的算法研究大学生自身素质与入党积极性、入党动机之间是否存在一定的联系,为高校党员发展的评判体系、考核标准提供一种新思路,实验结果表明,改进后的算法表现更佳。
The ID3 algorithm, based on continuous approaching classification function, is a typical one of the decision tree algorithms, which are important parts of classification algorithms in data mining. This paper describes the application of the gain ratio calculation method based ID3. Focusing on its deficiency, the paper improved and applied it to reveal the relations between students' abilities and their attitude towards joining CPC, providing a new idea for its assessment standard.The experiment results show that optimized algorithm usually performs better.
The ID3 algorithm, based on continuous approaching classification function, is a typical one of the decision tree algorithms, which are important parts of classification algorithms in data mining. This paper describes the application of the gain ratio calculation method based ID3. Focusing on its deficiency, the paper improved and applied it to reveal the relations between students' abilities and their attitude towards joining CPC, providing a new idea for its assessment standard.The experiment results show that optimized algorithm usually performs better.
引文
[1]梁辰,陈明浩.数据挖掘ID3分类算法研究综述[J].信息通信, 2015(05):26-28.
[2]毛国军,段立娟.数据挖掘原理与算法[M].第3版.清华大学出版社, 2016.
[3]王伟,李磊,张志鸿.具有容噪特性的C4.5算法改进[J].计算机科学, 2015(12):268-271,287.
[4]屈志毅,周海波.决策树算法的一种改进算法[J].计算机应用, 2008(S1):141-143
[5]王永梅,胡学钢.决策树中ID3算法的研究[J].安徽大学学报(自然科学版), 2011(3):71-75
[6]刘燕燕. ID3算法的改进[J].信息通信, 2013(06):4-5..
[7]李健,付小斌,吴媛媛.基于优化ID3的井漏类型分类算法[EB/OL].计算机工程, http://kns.cnki.net/KCMS/detail/31.1289.TP.20180228.1331.005.html.
[8]董跃华,刘力.基于相关系数的决策树优化算法[J].计算机工程与科学, 2015(09):1783-1793.
[9]蒲天添.基于决策树的工程项目管理优化研究[J].现代电子技术, 2018,41(01):169-172.
[10]孙丽爽.决策树技术在高校就业分析系统中的应用[D].西安理工大学, 2017.
[11]孔祥东.季斐斐.高校学生党员综合素质评价模型的构建及应用[J].长春教育学院学报, 2014(16):132-133.
[12]王芳.近年来高校学生党员发展现状及问题分析.改革与开放, 2013(2):24,26.
[13]魏江宁.决策树剪枝方法的比较[J].西南交通大学学报,2005(1):44-48.
[2]毛国军,段立娟.数据挖掘原理与算法[M].第3版.清华大学出版社, 2016.
[3]王伟,李磊,张志鸿.具有容噪特性的C4.5算法改进[J].计算机科学, 2015(12):268-271,287.
[4]屈志毅,周海波.决策树算法的一种改进算法[J].计算机应用, 2008(S1):141-143
[5]王永梅,胡学钢.决策树中ID3算法的研究[J].安徽大学学报(自然科学版), 2011(3):71-75
[6]刘燕燕. ID3算法的改进[J].信息通信, 2013(06):4-5..
[7]李健,付小斌,吴媛媛.基于优化ID3的井漏类型分类算法[EB/OL].计算机工程, http://kns.cnki.net/KCMS/detail/31.1289.TP.20180228.1331.005.html.
[8]董跃华,刘力.基于相关系数的决策树优化算法[J].计算机工程与科学, 2015(09):1783-1793.
[9]蒲天添.基于决策树的工程项目管理优化研究[J].现代电子技术, 2018,41(01):169-172.
[10]孙丽爽.决策树技术在高校就业分析系统中的应用[D].西安理工大学, 2017.
[11]孔祥东.季斐斐.高校学生党员综合素质评价模型的构建及应用[J].长春教育学院学报, 2014(16):132-133.
[12]王芳.近年来高校学生党员发展现状及问题分析.改革与开放, 2013(2):24,26.
[13]魏江宁.决策树剪枝方法的比较[J].西南交通大学学报,2005(1):44-48.