| 中文摘要 | 第6-7页 |
| 英文摘要 | 第7页 |
| 1 引言 | 第10-14页 |
| 1.1 课题研究背景及选题意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 电子商务师职业考试现状 | 第11-12页 |
| 1.2.2 数据挖掘现状 | 第12-13页 |
| 1.3 论文研究内容 | 第13-14页 |
| 2 数据挖掘概述 | 第14-17页 |
| 2.1 数据挖掘概念 | 第14页 |
| 2.2 数据挖掘的过程 | 第14-16页 |
| 2.2.1 数据准备 | 第14-15页 |
| 2.2.2 数据挖掘 | 第15页 |
| 2.2.3 结果评价 | 第15-16页 |
| 2.3 数据挖掘的任务 | 第16页 |
| 2.4 数据挖掘的方法 | 第16-17页 |
| 3 决策树算法在电子商务师职业考试成绩分析中的应用 | 第17-47页 |
| 3.1 决策树概述 | 第17-20页 |
| 3.1.1 决策树基本概念 | 第17页 |
| 3.1.2 决策树算法 | 第17-18页 |
| 3.1.3 属性选择度量 | 第18-19页 |
| 3.1.4 决策树剪枝 | 第19页 |
| 3.1.5 决策树生成分类规则 | 第19-20页 |
| 3.2 电子商务师职业考试成绩分析中决策树的具体应用 | 第20-44页 |
| 3.2.1 确定挖掘对象阶段 | 第20-21页 |
| 3.2.2 选定模型阶段 | 第21页 |
| 3.2.3 获取数据和预处理数据 | 第21-26页 |
| 3.2.4 建立职业考试结果的决策树模型 | 第26-29页 |
| 3.2.5 理论成绩影响因素分析 | 第29-37页 |
| 3.2.6 实操成绩影响因素分析 | 第37-44页 |
| 3.3 决策树算法的局限性 | 第44-45页 |
| 3.4 基于决策树挖掘结果的辅助决策建议 | 第45-46页 |
| 3.5 小结 | 第46-47页 |
| 4 关联规则在电子商务师职业考试成绩分析中的应用 | 第47-54页 |
| 4.1 关联规则及Apriori算法 | 第47-49页 |
| 4.1.1 关联规则的基本概念 | 第47页 |
| 4.1.2 关联规则分类 | 第47页 |
| 4.1.3 基本概念 | 第47-48页 |
| 4.1.4 Apriori算法 | 第48-49页 |
| 4.2 考试成绩的关联分析 | 第49-52页 |
| 4.2.1 确定挖掘对象 | 第49页 |
| 4.2.2 对成绩进行数据预处理 | 第49页 |
| 4.2.3 数据转换 | 第49-50页 |
| 4.2.4 对成绩进行关联分析 | 第50-52页 |
| 4.3 基于Apriori算法结果的辅助决策建议 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 5 总结与展望 | 第54-56页 |
| 5.1 本文总结 | 第54-55页 |
| 5.2 研究展望 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 致谢 | 第58-59页 |
| 攻读硕士学位期间取得的研究成果 | 第59-60页 |
| 学位论文数据集表 | 第60-61页 |