蒂扬·西恩·林;罗伟音;施玉山 比较了33种新旧分类算法的预测精度、复杂度和训练时间。 （英语） Zbl 0969.68669号 马赫。学习。 40，第3期，203-228（2000）. 摘要：在32个数据集上比较了22个决策树、9个统计算法和2个神经网络算法的分类精度、训练时间和（在树的情况下）叶子数。分类精度由平均错误率和错误率的平均秩来衡量。这两个标准都将一个基于样条线的统计算法POLYCLASS放在首位，尽管它与其他二十个算法在统计上没有显著差异。另一种统计算法，逻辑回归，在这两个精度标准方面排名第二。最准确的决策树算法是带线性分割的QUEST算法，分别排名第四和第五。虽然基于脾的统计算法往往具有良好的准确性，但它们也需要相对较长的训练时间。例如，POLYCLASS在训练时间中位数方面排名倒数第三。与其他算法的秒数相比，它通常需要数小时的训练。QUEST和logistic回归算法的速度要快得多。在具有单变量分裂的决策树算法中，C4.5、IND-CART和QU-FST具有最佳的错误率和速度组合。但是C4.5生产的树的叶子数量往往是IND-CART和QUEST的两倍。 引用于1审查引用于65文件 MSC公司： 68单位99 计算方法和应用 68T05型 人工智能中的学习和自适应系统 关键词：分类树;决策树;神经网络;统计分类器 软件：4.5条;R（右） PDF格式BibTeX公司 XML格式引用 \textit{T.-S.Lim}等人，马赫。学习。40，第3号，203--228（2000；Zbl 0969.68669） 全文： DOI程序