基于“三分”法的序贯判别树

目的构建基于“三分”法的序贯判别树，并对算法性能进行评价。方法将空间分为三个区域，落入其中两个区域者作肯定性判断，否则便待判的“三分”法的思想，构建“序贯判别树”的分类器，并将序贯判别树算法的结果与常用的判别分析方法Fisher判别和经典的决策树方法CART法进行比较，分别计算训练样本和考核样本的实际平均错判率。结果序贯判别树与Fisher判别和CART法比较发现，在相同的相关条件下，随着可分离程度的增大，三种方法判别效果也越好。从平均变量数来看，序贯判别树使用变量数较少，在训练样本中，序贯判别树的错判率为0，并且存在“待判率”一项。而在考核样本中，序贯判别树的正确判别率跟其他两种方法比较接近，错判率远远低于其他两种方法。结论基于“三分法”的序贯判别树的分类精度高，变量少。