技術(shù)特征：

1.一種不確定離散數(shù)據(jù)的決策樹分類器構(gòu)建方法，該方法涉及機(jī)器學(xué)習(xí)、人工智能以及數(shù)據(jù)挖掘領(lǐng)域，其特征是，包括如下步驟：

步驟1.設(shè)不確定離散數(shù)據(jù)訓(xùn)練集中有X個樣本，屬性個數(shù)為n，即,同時分裂屬性對應(yīng)了m個類L，其中, , ,，其中屬性值含有不確定性

步驟2：把不確定性數(shù)據(jù)屬性的屬性值合并排序，根據(jù)類對不確定性數(shù)據(jù)屬性進(jìn)行屬性值運(yùn)算，記為概率和,對類進(jìn)行處理得每一分支屬性值的概率勢

步驟3：創(chuàng)建根節(jié)點(diǎn)G

步驟4：如果訓(xùn)練數(shù)據(jù)集為空，則返回節(jié)點(diǎn)G并標(biāo)記失敗

步驟5：如果訓(xùn)練數(shù)據(jù)集中所有記錄都屬于同一類別，則該類型標(biāo)記節(jié)點(diǎn)G

步驟6：如果候選屬性為空，則返回G為葉子結(jié)點(diǎn)，標(biāo)記為訓(xùn)練數(shù)據(jù)集中最普通的類

步驟7：由于屬性值的不確定性，根據(jù)下面目標(biāo)函數(shù)從候選屬性中選擇

為不確性數(shù)據(jù)屬性值對應(yīng)類為的屬性值，為不確性數(shù)據(jù)屬性值對應(yīng)類的期望值

當(dāng)選擇屬性滿足目標(biāo)函數(shù)越大時，則找到標(biāo)記節(jié)G

步驟8：標(biāo)記節(jié)點(diǎn)G為屬性

步驟9：由節(jié)點(diǎn)延伸出滿足條件為分支以及

子分支,如果滿足以下兩條件之一，就停止建樹

9.1這里假設(shè)為訓(xùn)練數(shù)據(jù)集中的樣本集合，如果為空，加上一個葉子結(jié)點(diǎn)，標(biāo)記為訓(xùn)練數(shù)據(jù)集中最普通的類

9.2此節(jié)點(diǎn)中所有例子屬于同一類

步驟10：非9.1與9.2中情況，則遞歸調(diào)用步驟7至步驟9

步驟11：保存已生成的不確定離散數(shù)據(jù)的決策樹分類器。

2.根據(jù)權(quán)利要求1中所述的一種不確定離散數(shù)據(jù)的決策樹分類器構(gòu)建方法，其特征是，所述步驟2中涉及概率和、概率勢，其具體運(yùn)算過程如下：

不確定性數(shù)據(jù)屬性，其取值為一個概率向量，記為

，且，所以之前那些確定的離散屬性可以看作為這一特殊情況，即屬性中屬性值，其他概率為0的情形

為屬性值根據(jù)類來取概率和，類L總共為m個

再者，訓(xùn)練集中類別在屬性值為的概率勢則為：

。

3.根據(jù)權(quán)利要求1中所述的一種不確定離散數(shù)據(jù)的決策樹分類器構(gòu)建方法，其特征是，所述步驟7中求解目標(biāo)函數(shù)，需先求出和期望值，其具體求解過程如下：

在步驟2中已經(jīng)求出，則只需求解期望值，

期望值的具體求解步驟如下：

綜上所述，目標(biāo)函數(shù)即可求解出來。