基于决策树的应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 致谢 | 第7-12页 |
| 第一章 数据挖掘概述 | 第12-19页 |
| ·数据挖掘的定义 | 第12页 |
| ·数据挖掘与传统分析方法的区别 | 第12页 |
| ·数据挖掘发现知识的分类 | 第12-14页 |
| ·数据挖掘的功能 | 第14-15页 |
| ·数据挖掘常用技术 | 第15页 |
| ·数据挖掘过程 | 第15-17页 |
| ·Fayyad过程模型 | 第16-17页 |
| ·CRISP-DM过程模型 | 第17页 |
| ·本文的组织结构 | 第17-19页 |
| 第二章 决策树算法 | 第19-34页 |
| ·分类算法概述 | 第19页 |
| ·归纳学习 | 第19-20页 |
| ·决策树算法的产生与发展 | 第20-22页 |
| ·决策树算法学习 | 第22-27页 |
| ·决策树描述 | 第22页 |
| ·决策树的类型 | 第22-23页 |
| ·决策树的生成过程 | 第23页 |
| ·决策树的构造算法数学模型 | 第23-24页 |
| ·属性选择方法 | 第24-25页 |
| ·实例分析 | 第25-27页 |
| ·根据决策树得到分类规则 | 第27页 |
| ·决策树的修剪 | 第27-33页 |
| ·决策树的大小 | 第27-28页 |
| ·权衡精确度与简易性 | 第28页 |
| ·决策树的修剪算法 | 第28-29页 |
| ·粗糙集理论的基本概念 | 第29-31页 |
| ·利用属性约简实现树剪枝 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 决策树算法在学生学习成绩分析中的应用 | 第34-41页 |
| ·数据收集与描述 | 第34页 |
| ·数据预处理 | 第34-35页 |
| ·分类过程的实现 | 第35-40页 |
| ·建立数据表 | 第35页 |
| ·设置数据源 | 第35-36页 |
| ·在 SQL Server中进行数据挖掘的过程 | 第36-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 总结 | 第41-42页 |
| 参考文献 | 第42-45页 |
| 攻读硕士学位期间发表的论文 | 第45页 |
