基于信息熵的决策树UE提升研究*

黄轶文　卢世军

(1.广东工程职业技术学院　广州　510520)(2.中山大学　广州　510275)



基于信息熵的决策树UE提升研究*

黄轶文1卢世军2

(1.广东工程职业技术学院广州510520)(2.中山大学广州510275)

摘要论文主要研究了数据挖掘中基于信息熵的决策树的思想和算法,并针对“迷失无忧”这个基于移动互联网的商业运营平台遇到的UE问题,结合决策树算法的特点,提出了一种基于信息熵的决策树的预测模型。该模型利用训练数据集中的信息熵来形成分类,通过对模型的后台业务逻辑的应用来预测对未知状态下用户的使用习惯。该研究为互联网领域的大量类似问题提供了解决思路。

关键词决策树; 预测; 熵; 用户体验

Class NumberTP311.13

1引言

决策树方法是以实例为基础的归纳学习算法,它从一个无次序、无规则的实例集合中归纳出一组采用树形结构表示的分类规则。

自20世纪60年代以来,决策树方法在分类、预测、规则提取等领域得到广泛应用。利用决策树处理分类问题通常分为两步:第1步是通过训练集合的学习,形成决策树分类模型;第2步是利用生成的决策树模型对类型未知的样本进行分类。在使用决策树模型对类型未知样本进行分类时,从根节点开始逐步对该样本的属性进行测试,并沿着相应的分支向下行走,直至到达某个叶节点,此时叶节点所代表的类型即为该样本的类型。由此可见,利用决策树方法进行分类的关键是,利用信息熵的原理,根据训练集合构建决策树分类模型。……