基于決策樹算法的研究及其在煤層底板突水中的應用.pdf

1、在我國，水害事故頻繁發(fā)生，嚴重威脅人們的生命財產安全。而煤層底板突水現(xiàn)象是事故中最常見的一種，它是由多種因素綜合作用的結果，情況復雜，以往的預測方法很難解決此問題。本文將煤層底板突水預測問題歸納為數據挖掘分類問題，引入決策樹分類算法。
　　決策樹算法是一種簡單、易懂、有效的分類方法，已經在各行各業(yè)得到了廣泛的應用。盡管目前的決策樹算法發(fā)展的已經較為成熟，但還有需要改進的地方:一方面，分類精度還需進一步提升;另一方面，不能很好的處理

2、非平衡數據集。本文針對存在的問題，展開對決策樹算法的研究，首先通過UCI數據集對基于優(yōu)化算法建立的分類模型進行實驗論證，最后將其應用于實際的煤層底板突水預測中。本文的主要創(chuàng)新點如下:
　　(1)提出一種基于C4.5與CART算法建立混合節(jié)點分裂算法的分類模型。對比研究幾種常見的決策樹算法之間的差異及內在聯(lián)系，設計一種基于C4.5與CART算法建立混合節(jié)點分裂算法的分類模型，實驗結果表明，改進的分類模型的分類精度較傳統(tǒng)的C4.5與C

3、ART算法建立的分類模型有一定程度的提高，但是幅度不大。
　　(2)提出一種基于根節(jié)點信息的多決策樹分類模型。為了更大程度的提高分類預測模型的分類精度，鑒于根節(jié)點的屬性選擇對于構建整個決策樹的重要性，本文將每個分裂屬性分別作為根節(jié)點建立n（分裂屬性的個數）棵決策樹，形成一種多決策樹的分類器。利用UCI數據集進行分類器性能測試，實驗表明，其分類精度較單棵決策樹有很大的提升。
　　(3)設計了一種基于代價敏感的決策樹算法分類模型

4、。在實際應用中少數類的誤判往往會帶來巨大的代價，傳統(tǒng)決策樹對非平衡數據進行分類時往往出現(xiàn)少數類分類困難的問題。為了減少由于數據的不平衡性帶來的少數類分類誤差，本文引入代價敏感理論。在進行構建決策樹時，將誤分類代價引入節(jié)點分裂函數中，建立綜合考慮屬性信息和誤分類代價的代價敏感決策樹，并利用不同評價指標對其進行性能評價。實驗結果表明，其在保證整體分類精度和多數類分類精度較高的基礎上，大大提高了少數類的分類精度，從而獲得具有性能較好的決策樹分