基于数据挖掘的网络团购选品研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-21页 |
| ·研究背景 | 第7-10页 |
| ·研究现状 | 第10-18页 |
| ·团购网站选品现状分析 | 第10-12页 |
| ·国内外商品销量预测研究现状 | 第12-15页 |
| ·电商中的数据挖掘分类技术应用 | 第15-17页 |
| ·影响团购商品销量水平的因素初探 | 第17-18页 |
| ·研究目的和意义 | 第18页 |
| ·研究内容及创新点 | 第18-19页 |
| ·研究内容 | 第18-19页 |
| ·本文的创新点 | 第19页 |
| ·研究方法及技术路线 | 第19-21页 |
| 2 数据挖掘理论与决策树算法 | 第21-40页 |
| ·数据挖掘产生背景和意义 | 第21页 |
| ·数据挖掘的基本过程 | 第21-24页 |
| ·数据挖掘的任务和方法 | 第24-25页 |
| ·数据挖掘分类过程 | 第25-26页 |
| ·分类数据的预处理 | 第26-28页 |
| ·决策树算法 | 第28-31页 |
| ·决策树方法概述 | 第28-29页 |
| ·决策树的生长与剪枝 | 第29-31页 |
| ·常见的决策树算法比较 | 第31-36页 |
| ·ID3算法 | 第31-32页 |
| ·C4.5算法 | 第32-34页 |
| ·CART算法 | 第34-35页 |
| ·现有算法的比较 | 第35-36页 |
| ·数据挖掘算法的软件实现 | 第36-40页 |
| 3 决策树算法的改进与优化 | 第40-49页 |
| ·TSC算法与C4.5的结合 | 第40-42页 |
| ·高维数据预处理 | 第42-44页 |
| ·构造成本矩阵 | 第44-45页 |
| ·置信区间误差估计剪枝 | 第45-46页 |
| ·引进BOOSTING技术改进 | 第46-49页 |
| 4 改进决策树方法在团购选品中的应用 | 第49-63页 |
| ·原始数据获取 | 第49-50页 |
| ·对于分类目标的聚类过程 | 第50-51页 |
| ·输入属性的选择过程 | 第51-55页 |
| ·构建决策树模型 | 第55-61页 |
| ·分类结果的解释和评价 | 第61-63页 |
| 5 总结与展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 附录1 | 第69-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间主要科研成果 | 第73页 |
