基于决策分类熵的决策树构造算法及应用

？为了更好地完成金融数据集上的分类挖掘任务，以粗糙集理论为基础提出决策分类熵的概念，进而以属性的决策分类熵为属性分裂度量提出基于决策分类熵的决策树构造算法，并针对过拟合问题提出一种抑制参数来实现树规模的良好控制。实例分析及金融数据集上的实验表明：相比经典的c4.5决策树算法，新算法能够较好地克服其缺点和不足，构建更优的决策树,能够更好地完成分类任务。