基于一种新的自动程序设计方法基因表达式程序设计（GEP），通过设计适应函数、初始化群体的优化、增加新的遗传算子以及采用演化策略中的（λ+u）淘汰策略等对原始GEP算法进行有效的改进，设计出一种新的数据挖掘算法。采用UCI机器学习知识库中的数据集对该算法进行了实验，并通过与C4.5及文献[3]的比较，检验了该算法的准确性。
2022-10-05 11:53:59
275KB
1
使用本规则包可以根据商品标题自动分类； 规则包是机器学习后保存的规则文件；
python 样例脚本：
print("Load test data...")
test_data = gen_train_data(filename)
print("Start accuaracy...")
f = open('test1.pickle', 'rb')
classifier = pickle.load(f)
f.close()
for d in test_data:
print(d[0],classifier.classify(d[0]))
2022-02-21 11:50:52
212.1MB
1
9.4由决策树提取分类规则
决策树分类方法有它的优点，但是也有一定的局限性，比如，利用算法生成的决策树的规模会因为训练数据集的巨大而变得过大使得难以理解，可读性差。如果直接从决策树中提取出IF－THEN规则，建立基于规则的分类器，与决策树分类器相比，IF－THEN规则可能更容易理解，特别是当决策树分支非常大时也一样 。
2021-09-21 22:19:51
575KB
1