摘要

决策树是解决分类问题的重要方法,目前已经提出多种决策树算法,如ID3、C4. 5和CART,它们代表属性分割的普遍标准,即香农熵、信息增益率和基尼系数,但这些算法相互独立,各自优势无法统一。针对该问题,通过研究Tsallis熵,提出Tsallis算法,并基于该算法构建决策树,最后在此基础上提出关键度度量的概念,进一步弥补了叶节点以"少数服从多数"标识分类的缺陷。实验结果表明:该方案精度高、规模小。