分類樹之建設性推導

Abstract

從觀察一序列之訓練例子中學習觀念, 已是廣泛研究的課題。於描述學得之觀念時, 分類樹為普遍使用之描述語言。它提供了一種模組化且簡明的表達形式。在本文中, 我們首先提出一些用以評估分類樹品質之準則。其次, 我們說明當不同的程式做實驗 性比較時, 其中一種評估準則, 具有關鍵性的地位。 類種分類樹之推導種式, 如ID3 及其後之改進程式, 均在本文中概略地討論。我們亦 檢視這些程式所產生的問題。此外, 我們尚探討建設性推導之定義與其架構, 及兩個 相關的系統。最重要的, 我們提出一個新的建設性推導演算法: CID3。為充分了解CI D3之效率, 數種評估效能的方法一並被探討。我們對不同的學習任務進行實驗, 結果 顯示CID3的確獲致相當好的改善。