欢迎来到天天文库
浏览记录
ID:52686710
大小:26.00 KB
页数:6页
时间:2020-03-29
《基于决策树的薪资结构普查模型研究.doc》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、基于决策树的薪资结构普查模型研究 摘要:在对薪资结构进行普查时,由于薪资具有隐私的特性和各种不确定的因素,导致普查过程越来越难,精确度、时效性越来越低。为了快速、准确地了解薪资水平与结构,该文通过使用决策树模型对Adult数据集进行判断、训练,生成对应的薪资划分模型,将影响薪资阶级的各个属性建立起相应的关联,可以分析与预测人们的生活水平与影响因素,仿真的结果表明决策树模型能够进行真实预测。 关键词:薪资结构普查;决策树;薪资划分模型;数据集 中图分类号:TP301文献标识码:A文章编号:1009-3
2、044(2018)12-0265-02 决策树算法的核心是归纳学习算法,最基本的特点是运算速度快、结果简单、易于理解、方便将得到的模型转换成对应的规则[1]。因此决策树常常用于预测模型的生成[2-3],对未来的数据进行预测。在薪资调查中由于个人隐私以及工作变动等问题存在,导致直接通过群众调查结果存在着较大的误差。希望能够通过决策树算法对已拥有的薪资数据进行训练,得到一个较为精确的分类模型[4],进一步缩短薪资普查周期、提高数据精确度以及真实度。 1决策树基本原理简介 1.1决策树算法理论 决策树(
3、DecisionTree)是一类基于回归问题的对实例进行分类的树形结构。决策树呈树状结构,其模型类似于数据结构中的树形图[5]。在分类问题中,表示基于特征对实例进行分类的过程。它可以认为是if-then规则的集合,也可以认为是定义在特征空间与类空间上的条件概率分布,图1是典型的决策树: ID3决策树(IterativeDichotomiser3)算法,是RossQuinlan发明的一种决策树算法,该算法的特点是简洁、运用广泛。它是以奥卡姆剃刀原理为核心,尽量用较少的资源做更多的事情,因此对于该算法而言,
4、越是小型的决策树越优于大的决策树[6-7]。 1.2C4.5决策树算法介绍 C4.5决策树算法是一种基于ID3决策树算法改进后的一种算法,其与ID3决策树算法最主要的区别是在于C4.5算法不再使用ID3决策树算法的信息增益,而是使用了信息增益率这个概念。 2决策树在薪资结构普查中的应用 2.1数据源获取 本文的数据来源于UCI机器学习库的Adult数据集,该集合主要包含两个部分,训练集adult.data与adult.test。其中adult.data包含了32561调数据,总计有workcla
5、ss、education、occupation、relationship等总计16项属性。 2.2薪资结构普查决策树模型生成方案及流程 薪资结构普查决策树算法: Input:DataSet(adult.data),featureList(包含筛选过后的13个属性集合) Output:决策树T C4.5(DataSet,featureList) Begin: 创建决策树T,令T={} 创建根结点R If:当前DataSet中的数据都属于同一类 标记R的类别为该类,将R加入决策树T。并返回
6、T。 EndIf If:当前featureList集合为空 标记R的类别为当前DataSet中样本最多的类别,将R加入决策树T。并返回T。 While(如果featureList不为空) 从featureList中选择属性F(选择G_Ratio(DataSet,F)最大的属性) 根据F的每一个值V,将DataSet划分为不同的子集DS,对于每个DS: ?创建结点C ?IF:DS为空 结点C标记为DataSet中样本最多的类 ?Else 结点C=C4.5(DS,featureList-
7、F) ?将结点C添加为R的子结点 EndWhile ReturnT 整体方案流程图: 3结果与讨论 本算法是基于Python语言,PyCharm开发环境进行实现的,通过训练数据adult.data对决策树进行训练建模,再通过测试数据对训练所得的决策树模型进行检测,最终通过测试到的训练所得的决策树模型的正确率。并分别将决策树模型与朴素贝叶斯算法(NaiveBayes),最近邻算法(Nearest-neighbor)的正确率进行对比。 图3为决策树模型的测试结果,如图所示,该程序主要分为三个部分
8、:模型训练、模型测试、以及模型正确率检测,其中模型测试正确率高达85.54%,相比其他分类模型更为精确。 该算法在构建时易于实现,产生的分类规则容易理解,相对于其他分类算法而言精确率较高。但在决策树构造过程当中需要进行多次的排序,因此需要花费大量时间,导致算法效率较低,并且可能出现过拟合情况。因此,该算法?m用于非实时性的数据分析,并可建立所对应分类的影响属性的关联性。 4结束语 该模型在训练过程中表现较好,其正确率优于
此文档下载收益归作者所有