不一致数据上精确决策树生成算法

近年来，随着现实生活中数据量的不断增大，不一致数据的出现也越发频繁，这使得人工修正不一致数据变得更加耗时.而且，人工修正数据方法本身也存在着不可避免的人为操作错误，因此，这种修正方法不再可行.如何不提前修复不一致数据，直接在不一致数据上进行分类，是该文的核心研究内容.对决策树生成算法的目标函数进行改进，使其能够直接对不一致数据进行分类，并得到较好的分类结果.对约束条件中的特征对分类结果的影响进行了多方面衡量，从而调整该特征的影响因子，使得决策树的节点分割更加精确，分类效果更优