论文摘要
有序分类是现实生活中广泛存在的一种分类问题。基于排序熵的有序决策树算法（REMT：Rank Entropy Based Decision Tree）是处理有序分类问题的重要方法之一。这种方法是以排序互信息作为启发式来构建有序决策树。在这一工作的基础上，本文通过引入模糊排序熵，并以模糊有序互信息作为启发式，提出了基于模糊排序熵的有序决策树分类算法（FREMT：Fuzzy Rank Entropy Based Decision Tree），该算法是REMT算法的推广，此算法可以有效地处理现实问题中的有序分类问题。这两种算法在实际应用中各有自己的优劣之处，针对这个问题本文将C4.5、RT、REMT、FREMT四种决策树算法进行了比较研究，在十五个数据集上进行了实验，分别从扩展属性的选择、树的复杂程度以及分类准确率，这三方面对这四种决策树算法进行了详细的比较研究。对比分析了各个算法之间的异同以及优缺点，为解决不同的问题时选择不同的算法提供了一个有意义的探索。