论文部分内容阅读
经典的Fisher判别分析要求每个个体都具备所有变量的信息,将空间一分为二,仅作一次判别,分类效果不及决策树。以决策树序贯地进行判别，实属非线性判别。但现在有决策树算法每个节点只选一个变量进行分割，未能充分利用变量间内在联系所提供的信息。基于Kendall (1975) 和方积干(1979 )，本文提出“三分”法决策树：在每个结点按Fisher准则将空间分为三个区域，落入两个极端区域者作肯定性判断，否则便待判。模拟实验和两个实例表明，该算法的分类错误率低，所需变量少。