基于改进ID3决策树的敏感数据分类数据集

实验数据集包含3387条敏感数据，分为四个敏感级别：2353条公共数据、680条外部敏感数据、156条内部部门间敏感数据和198条内部部门内敏感数据。每条数据包含7个特征，其中6个为条件特征，1个为决策特征（敏感性水平），确保了数据的全面性和分类的精确性。数据集按照7：3的比例分为训练集（2370条）和测试集（1017条）。在分类实验中，通过改进ID3决策树算法，引入属性加权优化信息增益计算公式，解决了传统ID3算法的多值倾向问题。实验采取递归方式构造决策树，在每次分裂中选取最大信息增益的属性作为依据，直至完成所有数据的分类。实验在相同的数据集规模下进行，以全面评估改进ID3决策树的性能，实验结果包括分类准确性和鲁棒性分析，验证了算法在实际工业场景中的实用性。

搜集汇总

背景与挑战

背景概述

该数据集包含3387条敏感数据，每条数据具有7个特征，并划分为四个敏感级别，按照7:3的比例分为训练集和测试集。它通过改进ID3决策树算法，引入属性加权优化信息增益，以解决传统算法的多值倾向问题，并用于评估分类准确性和鲁棒性，验证算法在实际工业场景中的实用性。