Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
ATZ-Fachkongress

Chassis.tech plus 2024


4 Kongresse in einer Veranstaltung

Treffen Sie in München die Fachleute von Chassis, Lenkung, Bremsen sowie Reifen/Räder.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Radiology Information System’s Mechanisms: HL7-MHS and HL7/DICOM Translation Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

Comparative Analysis of Decision Tree Algorithms: ID3, C4.5 and Random Forest

verfasst von : Shiju Sathyadevan, Remya R. Nair

Erschienen in: Computational Intelligence in Data Mining - Volume 1

Verlag: Springer India

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

To analyze the raw data manually and find the correct information from it is a tough process. But Data mining technique automatically detect the relevant patterns or information from the raw data, using the data mining algorithms. In Data mining algorithms, Decision trees are the best and commonly used approach for representing the data. Using these Decision trees, data can be represented as a most visualizing form. Many different decision tree algorithms are used for the data mining technique. Each algorithm gives a unique decision tree from the input data. This paper focus on the comparison of different decision tree algorithms for data analysis.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Hybrid Single Electron Transistor Based Low Power Consuming Odd Parity Generator and Parity Checker Circuit in 22 nm Technology
Nächstes Kapitel Digital Forensic in Cloudsim
Literatur
1.
Rokach, L., Maimon, O.: Decision trees. In Maimon, O.Z., Rokach, L. (eds.) Data Mining and Knowledge Discovery Handbook vol. 6, pp. 165–192. Springer, Heidelberg (2005)
2.
Peng, X., Guo, H., Pang, J.: Performance analysis between different decision trees for uncertain data. In: Proceedings of the 2012 International Conference on Computer Science and Service System, CSSS ’12, pp. 574–577. Washington, DC (2012)
3.
Jin, C., De-lin, L., Fen-xiang, M.: An improved ID3 decision tree algorithm. In: Proceedings of 2009 4th International Conference on Computer Science and Education, vol. 1 (2009)
4.
Wang, M., Chai, R.: Improved classification attribute selection scheme for decision for decision tree. Comp. Eng. Appl. 3, 127–129 (2010)
5.
Guan, C., Zeng, X.: An improved ID3 based on weighted modified information gain. In: Seventh International Conference on Computational Intelligence and Security, vol. 1, pp. 1283–1285. IEEE Computer Society, Washington, DC (2011)
6.
Quinlan, J.R.: C4.5 program for machine learning, vol. 16, pp. 21–30. Morgan Kaufmann Publishers Inc., San Francisco (1993)
7.
Quinlan, J.R.: Improved use of continuous attributes inc 4.5. J. Artif. Intell. Res. 4, 77–90 (1996)MATH
8.
de Vries, A.P., Roelleke, T.: Relevance information: a loss of entropy but a gain for idf? In: Proceedings of the 28th Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, pp. 282–289 (2005)
9.
Ruggieri, S.: Efficient C4.5. IEEE Trans. Knowl. Data Eng. 2, 438–444 (2002)
10.
Kotsiantis, S.: A hybrid decision tree classifier. J. Intell. Fuzzy Syst. 1, 327–336 (2014)
11.
Fern, A., Givan, R.: Online ensemble learning: an empirical study. Mach. Learn 53, 279–286 (2000) (Morgan Kaufmann Publishers Inc., San Francisco)
12.
Quinlan, J.R.: C4.5: Programs for machine learning, vol. 16, pp. 235–240. Morgan Kaufmann Publishers Inc., San Francisco, CA (1993)
13.
Bache, K., Lichman, M.: UCI machine learning repository. Digit. Libr. 1 (2013)
14.
Abele, J., Mantas, C.J.: Improving experimental studies about ensembles of classifiers for bankruptcy prediction and credit scoring. Expert Syst. Appl. Int. J. 41, 3825–3830. Pergamon Press Inc., USA (2014)
15.
Olson, D.L., Delen, D., Meng, Y.: Comparative analysis of data mining methods for bankruptcy prediction. Decis. Support Syst. 2, 464–473 (2012)
16.
Grzymala-Busse, J.W.: Rule induction. In: Maimon, O.Z., Rokach, L. (eds.) Data Mining and Knowledge Discovery Handbook, vol. 6, pp. 277–294. Springer, Heidelberg (2005)
17.
Maimon, O., Rokach, L.: The Data Mining and Knowledge Discovery Handbook, vol. 2, pp. 1–17. Springer, Heidelerg (2005)
18.
Podgorelec, V., Kokol, P., Stiglic, B., Rozman, I.: Decision trees: an overview and their use in medicine. J. Med. Syst. 5, 445–463 (2002)
19.
Povalej, P., Kokol, P.: End user friendly data mining with decision trees: a reality or a wish? In: Proceedings of the 2007 Annual Conference on International Conference on Computer Engineering and Applications, vol. 3, pp. 35–40. Stevens Point, Wisconsin (2007)
Metadaten
Titel
Comparative Analysis of Decision Tree Algorithms: ID3, C4.5 and Random Forest
verfasst von
Shiju Sathyadevan
Remya R. Nair
Copyright-Jahr
2015
Verlag
Springer India
Buch
Computational Intelligence in Data Mining - Volume 1

Print ISBN: 978-81-322-2204-0

Electronic ISBN: 978-81-322-2205-7

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-81-322-2205-7_51

Premium Partner

    Bildnachweise