Optimal dyadic decision trees
Optimal dyadic decision trees
复制标题
DOI：
10.1007/s10994-007-0717-6
复制
发表时间：
2007-03-01
期刊：
影响因子：
7.5
通讯作者：
Mueller, K. -R.
中科院分区：
文献类型：
--
作者：
Blanchard, G.;Schaefer, C.;Mueller, K. -R.
我们引入了一种构建最优二元决策树（ODT）的新算法。该方法结合了学习理论意义上的保证性能和算法角度的最优搜索。此外，它继承了树方法的解释能力，同时比 CART/C4.5 等经典方法提高了性能，如人工数据和基准数据的实验所示。
We introduce a new algorithm building an optimal dyadic decision tree (ODT). The method combines guaranteed performance in the learning theoretical sense and optimal search from the algorithmic point of view. Furthermore it inherits the explanatory power of tree approaches, while improving performance over classical approaches such as CART/C4.5, as shown on experiments on artificial and benchmark data.