数据挖掘中分类算法的比较分析
| 内容摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-13页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究目的与意义 | 第10-11页 |
| 1.3 论文主要研究内容 | 第11-12页 |
| 1.4 论文创新点 | 第12-13页 |
| 第2章 数据挖掘中的分类方法 | 第13-17页 |
| 2.1 数据挖掘中分类算法综述 | 第13-15页 |
| 2.2 分类算法的应用 | 第15-17页 |
| 第3章 分类算法概述 | 第17-30页 |
| 3.1 几种典型的分类算法基本原理 | 第17-25页 |
| 3.1.1 朴素贝叶斯算法 | 第17-19页 |
| 3.1.2 决策树算法 | 第19-22页 |
| 3.1.3 支持向量机算法 | 第22-25页 |
| 3.2 分类算法的比较准则 | 第25-30页 |
| 3.2.1 评价准则 | 第25-26页 |
| 3.2.2 分类性能评估方法 | 第26-30页 |
| 第4章 各分类算法的应用比较分析 | 第30-50页 |
| 4.1 案例一:关于入学申请接收的分类应用 | 第30-35页 |
| 4.1.1 利用朴素贝叶斯算法分类 | 第30-31页 |
| 4.1.2 利用决策树C5.0算法分类 | 第31-32页 |
| 4.1.3 利用支持向量机算法分类 | 第32页 |
| 4.1.4 三种分类器差异的显著性检验 | 第32-33页 |
| 4.1.5 三种分类器的比较分析 | 第33-35页 |
| 4.2 案例二:关于汽车的可接受程度的分类应用 | 第35-39页 |
| 4.2.1 利用朴素贝叶斯算法分类 | 第35-36页 |
| 4.2.2 利用决策树C5.0算法分类 | 第36页 |
| 4.2.3 利用支持向量机算法分类 | 第36-37页 |
| 4.2.4 三种分类器差异的显著性检验 | 第37-39页 |
| 4.3 案例三:关于鲍鱼年龄的分类应用 | 第39-44页 |
| 4.3.1 利用朴素贝叶斯算法分类 | 第40-41页 |
| 4.3.2 利用决策树C5.0算法分类 | 第41页 |
| 4.3.3 利用支持向量机算法分类 | 第41-42页 |
| 4.3.4 三种分类器差异的显著性检验 | 第42-43页 |
| 4.3.5 各分类器比较分析 | 第43-44页 |
| 4.4 案例四:关于居民收入的分类应用 | 第44-48页 |
| 4.4.1 利用朴素贝叶斯算法分类 | 第44-45页 |
| 4.4.2 利用决策树C5.0算法分类 | 第45页 |
| 4.4.3 利用支持向量机算法分类 | 第45-46页 |
| 4.4.4 三种分类器差异的显著性检验 | 第46-47页 |
| 4.4.5 各分类器比较分析 | 第47-48页 |
| 4.5 实验比较分析 | 第48-50页 |
| 4.5.1 四个案例训练数据集的比较 | 第48-49页 |
| 4.5.2 各分类器比较结果 | 第49-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 5.1 全文总结 | 第50-51页 |
| 5.2 后续工作与研究前景 | 第51-52页 |
| 参考文献 | 第52-54页 |
| 后记 | 第54页 |
