信息系统的属性重要性度量及知识约简算法比较

【摘要】 <正>在数据挖掘和知识发现的推理决策时处理的往往是海量数据,在研究具有高度伸缩性算法的同时,人们也不断探索新方法通过数据预处理实现对数据的归约.数据归约一个很重要的方面就是求出对当前决策起重要作用的最小属性子集.比如在计算机支持的协作学习(CSCL)中,有很多属性会对学习的分类结果产生影响,所以要考虑每个属性对于分类决策的重要性.本文给出了属性重要性度量的Rough集方法和信息增益的方法,对两种方法的关系进行了讨论,并进一步比较了两种方法的知识约简算法. 首先我们给出一个决策表实例,分别用两种方法求出属性的重要性度量.更多还原