维普论文检测系统VIP PAPER CHECK SYSTEM决策树分类算法研究与应用-201725504020-胡程轩【原文对照报告-大学生版】报告编号：1d312e386f3d8d5c检测时间：2021-04-2715：37：29检测字符数：10467作者姓名：胡程轩所属单位：江西师范大学全文总相似比复写率他引率自引率专业术语检测结论：24.67%20.87%3.8%0.0%0.0%其他指标：自写率：75.33%高频词：算法，属性，决策，决策树，数据典型相似文章：无指标说明：复写率：相似或疑似重复内容占全文的比重他引率：引用他人的部分占全文的比重自引率：引用自己已发表部分占全文的比重自写率：原创内容占全文的比重典型相似性：相似或疑似重复内容占全文总相似比超过30%专业术语：公式定理、法律条文、行业用语等占全文的比重总相似片段期刊：5博硕：94综合：0相似片段：107外文：0自建库：0互联网：8检测范围：中文科技期刊论文全文数据库中文主要报纸全文数据库中国专利特色数据库博士/硕士学位论文全文数据库中国主要会议论文特色数据库港澳台文献资源外文特色文献数据全库维普优先出版论文全文数据库互联网数据资源/互联网文档资源高校自建资源库图书资源古籍文献资源个人自建资源库年鉴资源IPUB原创作品时间范围：1989-01-01至2021-04-27维普论文检测系统VIP PAPER CHECK SYSTEM原文对照颜色标注说明：■自写片段■复写片段（相似或疑似重复）口引用片段（引用）■专业术语（公式定理、法律条文、行业用语等）本科生毕业设计（论文）中文题目决策树分类算法研究与应用外文题目Research and Application of Decision Classification Algorithm学号201725504020姓名胡程轩学院数学与统计学院专业统计学指导教师张胜虎副教授完成时间时间统一填写，不要改动。2021年5月江西师范大学教务处制独创性声明本人郑重声明：1.此毕业论文是本人在指导教师指导下独立进行研究取得的成果。除了特别加以标注地方外，本文不包含其他人或其它机构已经发表或撰写过的研究成果。对本文研究做出重要贡献的个人与集体均已在文中作了明确标明。本人完全意识到本声明的法律结果由本人承担。2.本人完全了解学校、学院有关保留、使用学位论文的规定，同意学校与学院保留并向国家有关部门或机构送交此论文的复印件和电子版，允许此文被查阅和借阅。本人授权江西师范大学可以将此文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本文。3.若在江西师范大学毕业论文审查小组复审中，发现本文有抄袭，一切后果均由本人承担，与毕业论文指导老师无关。学位论文作者（签名）：2021年4月28日决策树分类算法研究与应用【摘要】在信息如此发达的时代，处理海量数据并且从中得到有效的决策信息是十分必要的。因此本文的研究对象就是决策树，可适用于各种各样的情形。本文介绍了决策树的相关基础理论以及常见的几种算法，并且提出了决策树分析中十分常见的问题，再进行了有效的分析。虽然常见的决策树算法应用很频繁，但是它还是有些缺点的，于是本文对ID3算法进行了理论上的改进以此来降低决策树的运算成本，提高运行效率。最后对改进的算法进行2维普论文检测系统VIP PAPER CHECK SYSTEM了实例认证，效果很好。【关键词】决策树分类算法算法的改进Research and Application of Decision Classification Algorithm[Abstract]In the era of such advanced information,it is very necessary to process massiveamounts of data and obtain effective decision-making information from it.Therefore,the researchobject of this article is the decision tree,which can be applied to various situations.Thisarticle introduces the relevant basic theories of decision trees and several common algorithms,andputs forward the very common problems in decision tree analysis,and then conducts an effectiveanalysis.Although the common decision tree algorithm is frequently used,it still has someshortcomings,so this paper makes a theoretical improvement to the ID3 algorithm to reduce theoperation cost of the decision tree and improve the operating efficiency.Finally,the improvedalgorithm is verified by an example,and the effect is very good.[Key words Decision tree Classification algorithm Algorithm improvement目录1引言-1-1.3论文主要内容-2-1.4论文创新点-2-师范大学1.1研究背景及意义-1-1.2国内外研究现状-1-2决策树算法的基本理论-2-2.1决策树算法概述-2-2.2.1决策树的生成过程-2-2.2.2决策树的剪枝技术-2-2.3几种常见的决策树算法-3-2.3.1ID3算法-3-2.3.2C4.5算法4-2.3.3CART算法5-3决策树中常见问题分析-5-3.1连续属性值的处理-6-3.2属性值空缺的处理-6-4决策树分类算法的优化7-4.1对属性空缺值的处理优化-7-4.2属性选择法则的优化7-4.2.1克服属性选择的多值偏向-7-4.2.2属性选择标准的改进-8-5实例分析-9-5.1实例1-9-5.2实例2-10-6总结与展望-12-6.本文总结-12-6.2论文展望-12-致谢-14-1引言1.1研究背景及意义随着时代的发展，我们进入到了信息化时代，人们积累的数据越来越多，其中有许多没有的到利用的数据被浪费了。但是这些数据中经常会有一些重要的数据被隐藏起来，如果能从中提取到这些重要信息就会创造出许多潜在利润。于是数据挖掘应用而生。在数据挖掘中，决策树算法的应用又是最为广泛。因为这种算法有许多优点，例如3