23、决策树节点数量与误分类数量的关系及异常值挖掘

决策树节点数量与误分类数量的关系及异常值挖掘

1. 异常值挖掘概述

在大型知识库中，识别罕见情况或异常值的需求日益增长。如今，异常值挖掘已成为数据挖掘的一种独立方法。找出数据中的异常值至关重要，这些数据可能是真正的错误，也可能是罕见情况，而罕见情况是非常重要的知识，值得深入挖掘。

对于多维数据集而言，这个问题极其困难，因为需要考虑诸多方面，例如：
- 不同类型的数据。
- 数据中的缺失值。
- 数据错误的情况。
- 独特的数据等。

该领域已有大量研究反映了与异常值挖掘相关的多样性问题。其目标是提出一种在基于规则的知识库中发现异常值的实用方法。了解哪些规则是罕见的（与其他规则不同）非常重要，因为这能让知识工程师与领域专家合作来扩展知识。在这类数据集中发现异常值是一个较新的研究方向，目前已经迈出了初步的步伐，包括引入在多维数据中发现异常值的概念、描述一些异常值检测方法，并进行了相关的初步实验。

2. 决策树研究工具介绍

我们创建了一个名为 Dagger 的决策树（以及决策规则）软件系统，它基于动态规划，可用于依次优化决策树（和决策规则）的各种成本函数，如深度（长度）、平均深度（平均长度）、节点总数和误分类数量。本文将介绍该软件的一个新扩展工具，用于研究决策树的节点数量和误分类数量之间的关系，并通过 UCI ML 存储库中的决策表来展示该工具的工作情况。该算法及其在 Dagger 软件工具中的实现，与作者设计的类似算法一起，可用于粗糙集的研究，其中决策树被用作分类器。

3. 决策树基本概念

• 决策表 ：决策表