改进的GDBT迭代决策树分类算法及其应用

传统的决策树分类方法有ID3和C4.5,由于单棵决策树的局限性,在训练数据过程中由于属性值的过多容易出现过拟合现象,本文研究使用多颗决策树和Boosting算法结合在一起的GDBT分类方法。GDBT算法是基于回归的思想,对复杂数据有较强的处理能力,且它是由多棵树组成的,构造树不复杂,每次用残差进行调整,保证分类的精确。