基于决策树算法和关联规则分析方法的学生就业数据分析
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 目录 | 第6-8页 |
| 第1章 引言 | 第8-14页 |
| 1.1 选题的背景和研究意义 | 第8-9页 |
| 1.2 国内外研究现状和热点 | 第9-11页 |
| 1.2.1 数据挖掘算法研究的现状 | 第9-10页 |
| 1.2.2 数据挖掘算法研究的热点 | 第10-11页 |
| 1.3 论文的研究内容 | 第11页 |
| 1.4 论文的组织结构 | 第11-14页 |
| 第二章 数据挖掘算法 | 第14-30页 |
| 2.1 数据挖掘的定义 | 第14页 |
| 2.2 数据挖掘技术的特点 | 第14-15页 |
| 2.3 数据挖掘的主要方法 | 第15-28页 |
| 2.3.1 决策树算法 | 第15-21页 |
| 2.3.2 关联规则分析算法 | 第21-26页 |
| 2.3.3 贝叶斯分析算法 | 第26-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第三章 结合关联规则分析方法的决策树模型 | 第30-44页 |
| 3.1 关联规则分析法及贝叶斯分析算法的优缺点 | 第30-31页 |
| 3.2 利用关联规则分析法建立改进的决策树模型 | 第31-34页 |
| 3.3 算法分析 | 第34-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 基于数据挖掘算法的就业数据分析系统 | 第44-52页 |
| 4.1 学生就业数据的处理 | 第44-47页 |
| 4.1.1 数据模型 | 第44-45页 |
| 4.1.2 数据的收集 | 第45-47页 |
| 4.2 就业数据分析系统原型 | 第47-51页 |
| 4.2.1 创建决策树模型 | 第48-50页 |
| 4.2.2 生成分类规则 | 第50-51页 |
| 4.3 本章小结 | 第51-52页 |
| 第五章 实验结果及分析 | 第52-66页 |
| 5.1 实验过程 | 第53-63页 |
| 5.2 实验结果及讨论 | 第63-66页 |
| 总结 | 第66-68页 |
| 1 研究总结 | 第66页 |
| 2 存在的问题和进一步的工作 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 攻读学位期间研究成果 | 第74页 |
