可拓逻辑和可拓思维对决策树算法的分析与优化
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Abstract: To analyse the logical feasibility of Decision Trees algorithm in theory, the choice of the note, the extraction of rules and the prediction in decision tree are studied from a novel perspective with extension logic and extension thinking modes. By analysing the processes of note-choice and rule-building in decision tree based on the principles of rhombus thought and element transformation, and evaluating the prediction of decision tree based on element divergence in Extenics, it’s found that the logic of decision tree conforms to the concept of Extenics which is used to solve contradictory problems. Besides, an evaluation system for the classification result of decision tree is built based on the Extenics theory. Key words: extension logic; extension thinking mode; decision trees; contradictory problems
32
广东工业大学学报
第 36 卷
哲学、数学和工程学领域的逻辑思维模式. 所以不同 于其他学者从正确率、泛化能力和分类效率等方面 对决策树进行分析和改进，从数学推导和计算的方 式来评价该算法，文章尝试从可拓逻辑和可拓思维 模式的角度对决策树分类算法的各个步骤进行逻辑 和理论分析，从全新视角下验证决策树算法的可行 性和优劣性，并根据可拓集理论以关联函数为参考， 建立一套关于决策树分类结果的评价体系.
收稿日期：2018-11-12 基金项目：广东省教育厅创新强校项目(2016WQNCX052) 作者简介：朱弘扬(1990–)，男，助教，主要研究方向为数据挖掘、智能算法. 通信作者：丁怡(1982–)，女，讲师，主要研究方向为网络优化、智能算法. E-mail：daisydy2009@163.com
第 36 卷 第 2 期 2019 年 3 月
广东工业大学学报 Journal of Guangdong University of Technology
Vol. 36 No. 2 March 2019
doi: 10.12052/gdutxb.180154
可拓逻辑和可拓思维对决策树算法的分析与优化
朱弘扬1，丁 怡2，柴华金1，李 升1
Zhu Hong-yang1, Ding Yi2, Chai Hua-jin1, Li Sheng1 (1. School of Mathematics and Computer Science, Guangdong Ocean University; 2. School of Mechanical and Power Engineering, Guangdong Ocean University, Zhanjiang 524088, China)
关键词: 可拓逻辑；可拓思维；决策树算法；矛盾问题
Байду номын сангаас
中图分类号: TP181
文献标志码: A
文章编号: 1007–7162(2019)02–0031–06
Analysis and Improvement of Decision Trees with Extension Logic and Extension Thinking Mode
（1. 广东海洋大学 数学与计算机学院；2. 广东海洋大学 机械与动力工程学院，广东 湛江 524088）
摘要: 为从理论层次上深度解析决策树分类算法的逻辑可行性, 根据可拓理论中可拓逻辑和可拓思维的全新视角, 对 构建决策树过程中节点的选择、规则提取和预测等步骤, 进行理论上的分析和评价. 以可拓思维中的菱形思维模式来 分析决策树算法中节点的选择, 以可拓逻辑中基元变换理论来评价决策树算法的规则提取, 以可拓逻辑中的基元发散 规则来解释决策树算法的预测步骤, 在验证决策树算法各个步骤符合可拓理论处理矛盾问题的思维模式的同时, 也对 决策树算法的分类结果建立了基于可拓理论的评价体系.
和单个特征属性的集合关系，并提取出该特定环境 和集合关系作为分类规则，把所有的分类规则构建 为一棵决策树，从而达到预测模型的目的. 决策树方 法以其速度快、精度高、生成的模式简单等优点，在 数据挖掘中受到许多研究者和软件公司的关注[2].
单标签分类问题是一类典型的矛盾问题，因为 样本不可能同时属于两种类别，因而造成了分类结 果“是”与“不是”的单一描述，和“对”或“不对”的评价 标准[3]. 可拓学是以矛盾问题为研究对象、以矛盾问 题的智能化处理为主要内容、以可拓方法论为主要 研究方法的一门学科，对矛盾问题的解决有着横跨
伴随着人工智能技术的飞速发展和广泛应用， 模式识别和机器学习等基于数据处理的研究领域变 得比以往任何时期都更具有重要意义，而分类是处 理数据挖掘问题无法避免的基础操作[1]. 决策树是解 决分类问题的一种经典算法，相比于神经网络、支持 向量机和逻辑回归算法，决策树算法更容易理解和 操作，尤其是在处理多分类问题和离散型数值分类 问题中具有较高的自主学习能力和较低的先验知识 要求，因而在很多领域都有着广泛的应用. 决策树算 法是一种逼近离散值目标函数的方法，这种方法通过 对训练集的学习，找到特定样本环境下样本类别属性
32
广东工业大学学报
第 36 卷
哲学、数学和工程学领域的逻辑思维模式. 所以不同 于其他学者从正确率、泛化能力和分类效率等方面 对决策树进行分析和改进，从数学推导和计算的方 式来评价该算法，文章尝试从可拓逻辑和可拓思维 模式的角度对决策树分类算法的各个步骤进行逻辑 和理论分析，从全新视角下验证决策树算法的可行 性和优劣性，并根据可拓集理论以关联函数为参考， 建立一套关于决策树分类结果的评价体系.
收稿日期：2018-11-12 基金项目：广东省教育厅创新强校项目(2016WQNCX052) 作者简介：朱弘扬(1990–)，男，助教，主要研究方向为数据挖掘、智能算法. 通信作者：丁怡(1982–)，女，讲师，主要研究方向为网络优化、智能算法. E-mail：daisydy2009@163.com
第 36 卷 第 2 期 2019 年 3 月
广东工业大学学报 Journal of Guangdong University of Technology
Vol. 36 No. 2 March 2019
doi: 10.12052/gdutxb.180154
可拓逻辑和可拓思维对决策树算法的分析与优化
朱弘扬1，丁 怡2，柴华金1，李 升1
Zhu Hong-yang1, Ding Yi2, Chai Hua-jin1, Li Sheng1 (1. School of Mathematics and Computer Science, Guangdong Ocean University; 2. School of Mechanical and Power Engineering, Guangdong Ocean University, Zhanjiang 524088, China)
关键词: 可拓逻辑；可拓思维；决策树算法；矛盾问题
Байду номын сангаас
中图分类号: TP181
文献标志码: A
文章编号: 1007–7162(2019)02–0031–06
Analysis and Improvement of Decision Trees with Extension Logic and Extension Thinking Mode
（1. 广东海洋大学 数学与计算机学院；2. 广东海洋大学 机械与动力工程学院，广东 湛江 524088）
摘要: 为从理论层次上深度解析决策树分类算法的逻辑可行性, 根据可拓理论中可拓逻辑和可拓思维的全新视角, 对 构建决策树过程中节点的选择、规则提取和预测等步骤, 进行理论上的分析和评价. 以可拓思维中的菱形思维模式来 分析决策树算法中节点的选择, 以可拓逻辑中基元变换理论来评价决策树算法的规则提取, 以可拓逻辑中的基元发散 规则来解释决策树算法的预测步骤, 在验证决策树算法各个步骤符合可拓理论处理矛盾问题的思维模式的同时, 也对 决策树算法的分类结果建立了基于可拓理论的评价体系.
和单个特征属性的集合关系，并提取出该特定环境 和集合关系作为分类规则，把所有的分类规则构建 为一棵决策树，从而达到预测模型的目的. 决策树方 法以其速度快、精度高、生成的模式简单等优点，在 数据挖掘中受到许多研究者和软件公司的关注[2].
单标签分类问题是一类典型的矛盾问题，因为 样本不可能同时属于两种类别，因而造成了分类结 果“是”与“不是”的单一描述，和“对”或“不对”的评价 标准[3]. 可拓学是以矛盾问题为研究对象、以矛盾问 题的智能化处理为主要内容、以可拓方法论为主要 研究方法的一门学科，对矛盾问题的解决有着横跨
伴随着人工智能技术的飞速发展和广泛应用， 模式识别和机器学习等基于数据处理的研究领域变 得比以往任何时期都更具有重要意义，而分类是处 理数据挖掘问题无法避免的基础操作[1]. 决策树是解 决分类问题的一种经典算法，相比于神经网络、支持 向量机和逻辑回归算法，决策树算法更容易理解和 操作，尤其是在处理多分类问题和离散型数值分类 问题中具有较高的自主学习能力和较低的先验知识 要求，因而在很多领域都有着广泛的应用. 决策树算 法是一种逼近离散值目标函数的方法，这种方法通过 对训练集的学习，找到特定样本环境下样本类别属性