一种新型的决策树剪枝优化算法

　　目前关于决策树剪枝优化方面的研究主要集中于预剪枝和后剪枝算法。然而，这些剪枝算法通常作用于传统的决策树分类算法，在代价敏感学习与剪枝优化算法相结合方面还没有较好的研究成果。基于经济学中的效益成本分析理论，提出代价收益矩阵及单位代价收益等相关概念，采用单位代价收益最大化原则对决策树叶节点的类标号进行分配，并通过与预剪枝策略相结合，设计一种新型的决策树剪枝算法。通过对生成的决策树进行单位代价收益剪枝，使其具有代价敏感性，能够很好地解决实际问题。实验结果表明，该算法能生成较小规模的决策树，且与REP、EBP算法相比具有较好的分类效果。