Zinātniskās darbības atbalsta sistēma
Latviešu English

Publikācija: Clustering-Based Decision Tree Classifier Construction

Publikācijas veids Zinātniskais raksts, kas indeksēts Web of science un/vai Scopus datu bāzē
Pamatdarbībai piesaistītais finansējums Nav zināms
Aizstāvēšana: ,
Publikācijas valoda English (en)
Nosaukums oriģinālvalodā Clustering-Based Decision Tree Classifier Construction
Pētniecības nozare 2. Inženierzinātnes un tehnoloģijas
Pētniecības apakšnozare 2.2. Elektrotehnika, elektronika, informācijas un komunikāciju tehnoloģijas
Autori Inese Poļaka
Arkādijs Borisovs
Atslēgas vārdi classification, class decomposition, cluster analysis, decision trees, data mining
Anotācija This article studies data structure investigation possibilities using cluster analysis. Density structures within classes are explored to implement class decomposition in order to enhance performance of decision tree classifiers. Classes are decomposed using cluster analysis and cluster merge evaluation using decision tree classifiers. Then impact of class decomposition is shown on C4.5 and CART classifiers. The main focus is on experiments carried out with real-valued data sets. The experiments are described in a step-by-step manner to illustrate the patterns discovered which affect previously proposed patterns in class decomposition methodology.
DOI: 10.3846/tede.2010.47
Atsauce Poļaka, I., Borisovs, A. Clustering-Based Decision Tree Classifier Construction. Technological and Economic Development of Economy, 2010, Vol.16, Iss.4, 765.-781.lpp. Pieejams: doi:10.3846/tede.2010.47
Papildinformācija Citējamību skaits:
ID 8873