决策树算法在高校学生就业中的应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 致谢 | 第7-11页 |
| 第一章 绪论 | 第11-14页 |
| ·课题研究的背景 | 第11页 |
| ·数据挖掘的发展背景 | 第11-12页 |
| ·数据挖掘的研究现状 | 第12-13页 |
| ·本文的组织结构 | 第13-14页 |
| 第二章 数据挖掘的基本知识 | 第14-20页 |
| ·数据挖掘的定义 | 第14页 |
| ·数据挖掘技术的特点 | 第14页 |
| ·数据挖掘的主要方法 | 第14-16页 |
| ·分类和预测 | 第15页 |
| ·关联规则 | 第15页 |
| ·聚类分析 | 第15-16页 |
| ·描述和可视化 | 第16页 |
| ·孤立点分析 | 第16页 |
| ·复杂数据类型挖掘 | 第16页 |
| ·数据挖掘的过程模型 | 第16-17页 |
| ·数据挖掘的数据来源 | 第17-18页 |
| ·数据挖掘的应用 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 决策树分类概述 | 第20-28页 |
| ·分类的基本概念 | 第20-22页 |
| ·分类的有关概念 | 第20页 |
| ·分类的过程 | 第20-21页 |
| ·分类方法 | 第21页 |
| ·分类方法的评估标准 | 第21-22页 |
| ·决策树算法概述 | 第22-23页 |
| ·决策树的有关概念 | 第22-23页 |
| ·决策树分类方法的优点 | 第23页 |
| ·几种典型的决策树分类算法 | 第23-27页 |
| ·CLS 算法 | 第23-24页 |
| ·ID3 算法 | 第24-25页 |
| ·C4.5 算法 | 第25-27页 |
| ·CART 算法 | 第27页 |
| ·SLIQ 算法 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第四章 结合贝叶斯方法的决策树模型 | 第28-35页 |
| ·贝叶斯分类 | 第28-30页 |
| ·贝叶斯定理 | 第28-29页 |
| ·朴素贝叶斯分类 | 第29-30页 |
| ·贝叶斯模型 | 第30-31页 |
| ·建立改进的决策树模型 | 第31页 |
| ·算法分析 | 第31-34页 |
| ·算法的特性 | 第31-32页 |
| ·模型准确性评估 | 第32页 |
| ·实验分析 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第五章 BC1.0 算法在高校就业中的应用 | 第35-48页 |
| ·问题提出 | 第35页 |
| ·学生就业数据处理 | 第35-40页 |
| ·数据的收集 | 第35-36页 |
| ·数据预处理 | 第36-40页 |
| ·算法的选择 | 第40页 |
| ·具体的实现过程 | 第40-45页 |
| ·数据填充 | 第40-42页 |
| ·创建决策树模型 | 第42-45页 |
| ·生成分类规则 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第六章 结束语 | 第48-50页 |
| ·工作总结 | 第48页 |
| ·工作展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 攻读硕士学位期间发表的论文 | 第53-54页 |
