基于数据挖掘的校园卡消费数据分析及应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 一 绪论 | 第8-12页 |
| 1.1 研究的背景及意义 | 第8页 |
| 1.2 国内外现状 | 第8-10页 |
| 1.3 主要工作 | 第10-11页 |
| 1.4 论文结构 | 第11-12页 |
| 二 数据挖掘相关技术 | 第12-17页 |
| 2.1 数据仓库 | 第12-13页 |
| 2.1.1 数据仓库的构建 | 第12-13页 |
| 2.2 数据挖掘技术 | 第13-14页 |
| 2.2.1 数据挖掘的过程 | 第13-14页 |
| 2.3 聚类挖掘和k-means算法 | 第14-15页 |
| 2.4 决策树C4.5 算法 | 第15-16页 |
| 2.5 本文数据源的选择 | 第16-17页 |
| 三 问题分析及数据集成 | 第17-30页 |
| 3.1 问题分析 | 第17-20页 |
| 3.1.1 问题陈述 | 第17-19页 |
| 3.1.2 数据分析主题与目标 | 第19页 |
| 3.1.3 消费情况指标 | 第19-20页 |
| 3.1.4 贫困评定指标 | 第20页 |
| 3.2 数据挖掘总体方案设计 | 第20-24页 |
| 3.2.1 数据仓库设计 | 第20-21页 |
| 3.2.2 数据源处理 | 第21-24页 |
| 3.3 数据集成与交换 | 第24-30页 |
| 3.3.1 ETL技术 | 第24页 |
| 3.3.2 ETL工具kettle简介 | 第24-25页 |
| 3.3.3 ETL过程 | 第25-30页 |
| 四 校园卡消费数据挖掘及应用 | 第30-45页 |
| 4.1 校园消费数据综合分析 | 第30-32页 |
| 4.1.1 就餐地点统计分析 | 第30-31页 |
| 4.1.2 消费指标分析 | 第31-32页 |
| 4.1.3 综合分析 | 第32页 |
| 4.2 数据挖掘工具weka介绍 | 第32-34页 |
| 4.2.1 weka界面介绍 | 第33-34页 |
| 4.3 数据预处理 | 第34-36页 |
| 4.3.1 数据清理 | 第34-35页 |
| 4.3.2 数据规约 | 第35-36页 |
| 4.4 校园卡消费数据的聚类分析 | 第36-40页 |
| 4.4.1 实验步骤 | 第37-39页 |
| 4.4.2 分析结论 | 第39-40页 |
| 4.5 贫困生决策树分析 | 第40-45页 |
| 4.5.1 实验步骤 | 第41-43页 |
| 4.5.2 分析结论 | 第43-45页 |
| 五 总结与展望 | 第45-47页 |
| 5.1 总结 | 第45-46页 |
| 5.2 展望 | 第46-47页 |
| 参考文献 | 第47-49页 |
| 致谢 | 第49页 |
