Genrikhov，I.E。 全决策树的泛化能力分析。 （俄语、英语） Zbl 1313.68194号 Zh公司。维奇尔。Mat.Mat.Fiz公司。 54，第6期，1033-1047（2014）; 计算中的翻译。数学。数学。物理学。54，第6期，1046-574（2014）。 总结：研究了基于全决策树的分类算法。由于考虑了决策树的构造，所以在每个特殊顶点处都考虑了满足分支准则的所有特征。应用边缘理论估计了完整决策树的泛化能力。在实际问题中表明，构建完整的决策树会增加学习对象的边界；此外，具有正边界的对象的数量也增加了。结果表明，完全决策树的经验Rademacher复杂度低于经典决策树。 MSC公司： 68T20型 人工智能背景下的问题解决（启发式、搜索策略等） 68T05型 人工智能中的学习和自适应系统 关键词：基于先例的识别;完整决策树;边际理论;Rademacher复杂性 软件：4.5条 PDF格式BibTeX公司 XML格式引用 \textit{I.E.Genrikhov}，Zh。维奇尔。Mat.Mat.Fiz公司。54，No.6，1033--1047（2014；Zbl 1313.68194）；计算中的翻译。数学。数学。物理学。54，第6号，1046--574（2014） 全文： DOI程序 参考文献： [1] Yu I.Zhuravlev，《关于识别和分类问题的代数方法》，5-68（1978），莫斯科·Zbl 0426.68092号 [2] 于。I.Zhuravlev、V.V.Ryazanov和O.V.Senko，《模式识别：数学方法、软件系统和应用》（Fazis，莫斯科，2006）[俄语]。 [3] E.V.Djukova和N.V.Peskov，“基于完整决策树的分类算法”，模式识别。图像分析。17, 363-367 (2007). ·doi:10.1134/S1054661807030030 [4] V.I.Donskoi和A.I.Bashta，《不完全数据决策的离散模型》（Tavriya，Simferopol，1992），第33-74页。 [5] Genrikhov，I.E.，《基于算法C4.5构建完整决策树》（2009），莫斯科 [6] J.R.Quinlan，C4.5：机器学习程序（Morgan Kaufmann，San Mateo，CA，1993）。 [7] I.E.Genrikhov，“基于完整决策树的识别过程的综合与分析”，模式识别。图像分析。21, 45-51 (2011). ·doi:10.1134/S105466181101007X [8] I.E.Genrikhov和E.V.Djukova，“基于完整决策树的分类”，计算。数学。数学。物理学。52, 653-663 (2012). ·兹比尔1274.68383 ·doi:10.1134/S0965542512040082 [9] I.E.Genrikhov，“基于完全决策树的识别过程过拟合研究”，程序。生产姐妹。96(4), 141-147 (2011). [10] L.Breiman，“随机森林”，机器学习45（1），5-32（2001）·Zbl 1007.68152号 ·doi:10.1023/A:1010933404324 [11] 霍姆斯，G。；普法林格，B。；柯克比，R。；E.弗兰克。；Hall，M.，《多类交替决策树》，105-122（2002），柏林·Zbl 1014.68754号 [12] V.N.Vapnik和A.Ya。Chervonenkis，模式识别理论（Nauka，莫斯科，1974）[俄语]·Zbl 0284.68070号 [13] K.V.Vorontsov，数学和物理博士论文（莫斯科，2010年）。 [14] L.I.Kuncheva，结合模式分类器方法和算法（Wiley，纽约，2004）·Zbl 1066.68114号 ·数字对象标识代码：10.1002/0471660264 [15] R.E.Schapire、Y.Freund、W.S.Lee和P.L.Bartlett，“提高利润率：投票方法有效性的新解释”，《美国统计年鉴》第26卷第1651-1686页（1998年）·Zbl 0929.62069号 ·doi:10.1214/aos/1024691352 [16] L.Mason，“边缘和组合分类器”，澳大利亚国立大学哲学博士学位论文（1999年），第118页。 [17] C.J.C.Burges，“模式识别支持向量机教程”，《数据挖掘知识发现2（2）》，121-167（1998）。 ·doi:10.1023/A:1009715923555 [18] P.L.Bartlett，“对于有效的泛化，权重的大小比网络的大小更重要”，《高级神经信息程序》。系统。9, 134-140 (1997). [19] M.Golea、P.L.Bartlett、W.S.Lee和L.Mason，“决策树和DNF中的泛化：大小重要吗？”。系统。10, 259-265 (1998). [20] L.Mason、P.L.Bartlett和M.Golea，“组合分类器的泛化错误”，计算。系统。科学。65, 415-438 (2002). ·Zbl 1059.68093号 ·doi:10.1006/jcss.2002.1854 [21] N.Sauer，“关于集合族的密度”，组合理论。A 13，145-147（1972）·Zbl 0248.0505号 ·doi:10.1016/0097-3165（72）90019-2 [22] A.亚松森和D.纽曼，网址：http://www.ics.uci.edu/mlearn/MLRepository.html（加州大学信息与计算机科学学院，欧文，2007年）。 [23] V.Koltchinskii，“Rademacher惩罚和结构风险最小化”，IEEE Trans。《Inf.Theory》第47期，1902-1914（2001）·Zbl 1008.62614号 ·doi:10.109/18.930926 [24] V.Koltchinski和D.Panchenko，“经验裕度分布和组合分类器泛化误差的边界”，Ann.Stat.30（1），1-50（2002）·兹比尔1012.62004 [25] Lozano，F.，《使用Rademacher惩罚的模型选择》（2000年），柏林 [26] P.L.Bartlett和S.Mendelson，“Rademacher和Gaussian复杂性：风险边界和结构结果”，《机器学习研究杂志》第3期，第463-482页（2002年）·Zbl 1084.68549号 [27] McDiarmid，C。；Siemons，J.（编辑），《关于有界差分法》，第141期，第148-188页（1989年），剑桥·Zbl 0712.05012号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。