使决策树规模最小化算法

　　决策树技术在数据挖掘的分类领域应用极其广泛，可以从普通决策表（每行记录包含一个决策值）中挖掘有价值的信息，但是要从多值决策表（每行记录包含多个决策值）中挖掘潜在的信息则比较困难。多值决策表中每行记录包含多个决策值，多个决策属性用一个集合表示。针对已有的启发式算法，如贪心算法，由于性能不稳定的特点，该算法获得的决策树规模变化较大，本文基于动态规划的思想，提出了使决策树规模最小化的算法。该算法将多值决策表分解为多个子表，通过多值决策表的子表进行构造最小决策树，进而对多值决策表进行数据挖掘。